O que é vibe coding? O que a pessoa deve fazer ao delegar código à IA
Entendemos vibe coding não como “pedir em palavras e deixar a IA fazer tudo sozinha”, mas como uma forma de trabalho em que a pessoa define os requisitos e os critérios de verificação e depois revisa o resultado gerado pela IA. Usando como exemplo uma ferramenta fictícia para somar um CSV de despesas domésticas, organizamos em uma única nota a entrada, a saída, o que não deve ser feito e como verificar o resultado.
Conteúdo verificado 2026.09.22Prompts para copiar
Ver o sumário
Para quem éUsuários em geral com pouca experiência em programação que querem começar com segurança por pequenas automações usando ferramentas de programação com IA no terminal, como Claude Code
Preparação
Ter uma compreensão básica de que a IA generativa pode produzir respostas, mas também conteúdo incorreto
Ter o hábito de verificar o que um comando vai alterar antes de executá-lo
Praticar com dados fictícios, não com dados pessoais reais
01Entender vibe coding como uma forma de colaboração, não como “autocompletar”
Nesta série, vibe coding significa descrever em linguagem natural a tarefa desejada, deixar a IA ajudar a ler arquivos ou criar e modificar código e, depois, fazer com que uma pessoa verifique o resultado. A ideia central não é prometer que a pessoa nunca precisará escrever uma única linha de código. Ao contrário, primeiro é preciso decidir o que será criado, quais são a entrada e a saída, até onde a ferramenta pode agir e como verificar se o resultado está correto. Como explicado no artigo introdutório sobre IA generativa “O que é IA generativa? Entenda como ela responde e por que pode alucinar”, uma resposta de IA pode parecer convincente e ainda assim divergir dos fatos ou da intenção; por isso, também na programação é mais seguro separar “geração” de “verificação”.
Papel
Trabalho que pode ser delegado à IA
O que a pessoa deve decidir ou verificar
Entender o requisito
Organizar o escopo do trabalho a partir da solicitação
Verificar se faltam objetivo, entrada, saída ou proibições
Escrever código
Criar os arquivos necessários e um rascunho do código
Verificar se arquivos indesejados são alterados ou se o escopo é ampliado
Preparar a execução
Sugerir o comando de execução ou a ordem necessária
Verificar qual efeito o comando terá sobre a pasta e os arquivos atuais
Verificar o resultado
Sugerir como comparar com o resultado esperado
Verificar diretamente se a saída real coincide com os valores de referência
Portanto, a qualidade do vibe coding não depende apenas de saber escrever prompts sofisticados. É mais importante definir uma tarefa pequena, tornar visível o que a IA fez e deixar critérios que indiquem de onde retomar a revisão quando algo der errado.
02Definir o exemplo fictício de despesas que usaremos ao longo dos 8 artigos
Esta série expande progressivamente um único exemplo pequeno. O arquivo de entrada é expenses.csv, um CSV UTF-8 com as colunas date, category e amount. Os valores de category também permanecem em inglês, como food, transport e supplies. Não usamos extratos reais de cartão nem registros pessoais de despesas; usamos apenas dados fictícios como os abaixo.
O primeiro objetivo é criar summarize.py para ler esse arquivo e exibir os totais mensais. Os valores esperados são 26600 para 2026-09 e 9800 para 2026-10. Em artigos posteriores, ampliaremos o exemplo com os totais por categoria de 2026-09 — food 20500, transport 2900 e supplies 3200 —, mas ainda não escreveremos código. Primeiro, praticaremos como fixar os requisitos.
03Escrever em quatro partes a entrada, a saída, o que não deve ser feito e como verificar
Se você pedir imediatamente à IA “faça um programa de despesas”, ela pode preencher por conta própria o formato do arquivo, o formato da saída, a escolha de bibliotecas e o alcance do tratamento de erros. Mesmo para uma ferramenta pequena, anotar primeiro quatro elementos deixa a conversa seguinte muito mais clara: qual arquivo é a entrada, quais valores a saída deve produzir, o que não deve ser feito e com o que a pessoa fará a comparação.
Prompt
Nome da ferramenta: total mensal de um CSV de despesas
Entrada
- Arquivo CSV UTF-8 expenses.csv
- Colunas: date, category, amount
- Formato de date: YYYY-MM-DD
- amount é um inteiro
Saída
- Mostrar o total mensal junto com o mês
- 2026-09 = 26600
- 2026-10 = 9800
Não fazer
- Não usar dados pessoais reais nem dados reais de pagamento
- Não adicionar pacotes externos
- Não modificar o CSV de entrada
Como verificar
- Executar python summarize.py expenses.csv
- Comparar se os totais dos dois meses coincidem exatamente com os valores esperados acima
Esta nota não é código. No entanto, ela servirá como critério para decidir depois se uma implementação proposta pela IA saiu dos requisitos. Por exemplo, se a IA sugerir instalar pandas, isso entra em conflito com a condição “usar apenas a biblioteca padrão do Python”, então não é necessário seguir essa proposta.
04Incluir na solicitação critérios que permitam verificar a resposta correta
Ao delegar o trabalho ao Claude Code na próxima etapa, você pode enviar a nota de requisitos como está ou resumir seus pontos principais. Uma boa solicitação não termina em “crie isto”: ela inclui um exemplo de entrada, a saída esperada, as restrições e o que deve ser verificado antes de modificar arquivos. Assim, a pessoa mantém uma base para avaliar se o código criado pela IA está correto.
Prompt
Planeje a criação de um script Python que leia expenses.csv e mostre o total mensal de amount.
Ainda não modifique nenhum arquivo.
As colunas de entrada são date, category, amount; date usa o formato YYYY-MM-DD e amount é um inteiro.
Use apenas a biblioteca padrão do Python.
Os valores esperados são 2026-09 = 26600 e 2026-10 = 9800.
Primeiro explique quais arquivos você leria, o que verificaria e em que ordem implementaria.
Esta solicitação ainda não autoriza a escrita do código. Ela inclui a ideia de “primeiro entender e planejar” para que o escopo possa ser revisado. A documentação oficial do Claude Code também recomenda dividir tarefas complexas em etapas e compreender o código antes de alterá-lo.
05Definir os pontos em que a pessoa deve parar e verificar
Uma ferramenta de programação com IA pode ler e modificar arquivos ou sugerir a execução de comandos. Para iniciantes, portanto, é mais importante saber “quando parar e revisar” do que “quando clicar em Yes”. Se aparecer um comando desconhecido, uma proposta para alterar vários arquivos de uma vez, uma instalação de pacote que não foi solicitada ou código que modifica o arquivo de entrada original, verifique o motivo antes de continuar.
Verificar se apenas os arquivos dentro da pasta solicitada estão sendo usados.
Verificar se o CSV de entrada é apenas lido e não sobrescrito.
Verificar se a restrição de usar apenas a biblioteca padrão está sendo respeitada.
Verificar se o formato de saída permite comparar os valores esperados 26600 e 9800.
Pedir uma explicação do que será alterado antes de executar comandos ou modificar arquivos.
Checklists de revisão de código e testes unitários são tratados separadamente em outros artigos do Worknote, portanto não os repetimos aqui. O foco desta série é o fluxo em que a pessoa controla o escopo do trabalho e o momento das alterações ao colaborar com uma ferramenta de programação com IA no terminal.
06Resultado do primeiro artigo: concluir uma nota de requisitos de uma página
Ao terminar este artigo, ainda não é necessário instalar o Claude Code nem gerar código. Em vez disso, deve estar pronta uma nota de requisitos de uma página. No próximo artigo, usaremos essa nota para instalar o Claude Code e começaremos fazendo perguntas para que ele leia e explique a pasta de prática antes de alterar código.
Item de verificação
Critério deste exemplo
Critério de conclusão
Entrada
expenses.csv / date, category, amount
O arquivo e os nomes das colunas estão claros
Saída
2026-09 = 26600, 2026-10 = 9800
Os valores esperados estão fixados numericamente
Restrições
Usar apenas a biblioteca padrão; não modificar o CSV original
Fica mais difícil a IA ampliar o escopo por conta própria
Verificação
Executar python summarize.py expenses.csv e comparar com os valores esperados
A pessoa pode decidir diretamente se o resultado está correto
Com esses critérios, mesmo que a IA explique o código em detalhes, as perguntas principais continuam simples: “ela lê a entrada que defini?, produz a saída que defini?, evita o que proibi? e eu consigo verificar o resultado?”. Basta revisar nessa ordem.
O que conferir por conta própria
Redigido com base na documentação oficial do Claude Code (consultada em 2026-09-22) e no exemplo fictício desta série · Claude Code não foi executado de fato · Não há código Python para executar
Verificar se as 6 linhas do expenses.csv fictício e os nomes das colunas date, category, amount são os mesmos em toda a série
Comparar manualmente os valores mensais esperados 2026-09 = 26600 e 2026-10 = 9800
Verificar se a nota de requisitos inclui os quatro elementos: entrada, saída, o que não deve ser feito e como verificar
Verificar se não foram usados exemplos editoriais que pareçam respostas reais do Claude Code e se não foi afirmado que ele foi executado
Verificar se são usados apenas os tipos de bloco p, ul, code e table
Verificar se não são repetidos os procedimentos detalhados dos artigos existentes sobre verificação e revisão de código
Limites da verificação
Neste artigo, nem o Claude Code nem código Python foram executados. O fluxo de trabalho de vibe coding é explicado e os requisitos para as práticas posteriores são fixados; a implementação concreta e a verificação de execução serão realizadas em artigos seguintes.
O que você quer experimentar agora?
Escolha uma pergunta que interesse você e crie um resultado prático.
Verificamos o comando de instalação do Claude Code e as condições de conta de acordo com o sistema operacional e iniciamos a primeira sessão em uma pasta fictícia de prática. Em vez de gerar código imediatamente, fazemos apenas três perguntas para ler a pasta e o CSV no modo plan e depois encerramos a sessão com segurança.
Praticamos o fluxo para criar uma primeira ferramenta pequena em Python usando o expenses.csv fictício e a nota de requisitos preparada anteriormente. A solicitação inclui um exemplo de entrada, a saída esperada e as restrições e, depois, executamos o summarize.py concluído na ferramenta Python do chat GPT, e não no Claude Code, para verificar o resultado.
Organizamos de forma concisa no CLAUDE.md do projeto o comando de execução, as regras de dados, as proibições e a forma de verificar resultados que antes eram repetidos em cada solicitação. Distinguimos a função de `/init` para criar um rascunho e o propósito de cada localização de arquivo e concluímos um arquivo de regras de 35 linhas adaptado ao exemplo do CSV de despesas.
Usando como exemplo a adição da opção `--by-category` a uma ferramenta já funcional que soma despesas por mês, você aprenderá a revisar primeiro o plano de mudanças no modo plan do Claude Code. Antes de implementar, definirá o escopo da alteração e o formato de saída; depois de aprovar o plano, executará o código final para verificar tanto os totais mensais existentes quanto os totais por categoria.
Você aprenderá um fluxo mínimo para criar um ponto de referência com git antes de o Claude Code modificar arquivos e, depois do trabalho, revisar as mudanças reais com `git status` e `git diff`. É possível pedir à IA que explique o diff, mas o processo se baseia em a pessoa conferir o diff e os resultados da execução antes de fazer staging e commit diretamente.
Em vez de apenas dizer à IA que “está dando erro”, você praticará um fluxo em que primeiro reproduz o problema com a mesma entrada, restringe a causa com base na mensagem real de exceção e solicita somente a mudança mínima. Usaremos um CSV cujo amount contém uma vírgula para reproduzir um ValueError no Python e executaremos novamente o código corrigido para verificar o resultado.
Partindo do princípio de que o Claude Code pode ler e modificar arquivos e executar comandos, este artigo reúne as verificações de segurança que iniciantes devem fazer antes, durante e depois do trabalho. Ele conecta em uma única lista as diferenças entre os modos de permissão, as mudanças que os checkpoints não conseguem restaurar, a diferença de função em relação ao git e a regra de não inserir informações secretas.