Detector de Débito de IA

Visão Geral

Agentes de IA geram código que passa no "caminho feliz" (happy path), mas esconde débito técnico: falta de tratamento de erros, recursos órfãos, modos de falha ignorados, pacotes alucinados, desvio arquitetônico silencioso. Esta habilidade força uma auditoria direcionada para os padrões exatos que os agentes de IA erram.

Quando Usar

• Após qualquer sessão de geração de código por IA (mais de 20 linhas produzidas)
• Antes de mesclar Pull Requests gerados por IA
• Quando o código funciona, mas algo parece estranho
• Após sprints de "vibe-coding" onde o débito se acumula mais rápido
• Quando o agente afirma que terminou sem mostrar verificação

Processo

Após a geração do código, verifique estes padrões de débito específicos de IA:

1. MODOS DE FALHA - O que acontece quando isso falha?

   • Tempo limite de rede? Disco cheio? Permissão negada? Entrada nula?
   • Existe um try/catch? Ele captura erros ESPECÍFICOS ou engole tudo?
   • Os recursos são limpos em caso de falha? (streams fechados, conexões retornadas, arquivos temporários deletados)

2. ÓRFÃOS - O que é criado, mas nunca limpo?

   • Arquivos temporários, ouvintes de eventos, intervalos, assinaturas, conexões
   • Existem chamadas de limpeza/descarte/fechamento correspondentes para cada abertura/criação?
   • Em React: cada addEventListener tem um removeEventListener na limpeza?

3. CASOS EXTREMOS - Quais entradas quebram isso?

   • Array/string vazia? null/undefined? Entrada de vários MB? Unicode? Chamadas concorrentes?
   • O código assume o "caminho feliz"? (A IA quase sempre faz isso)

4. DEPENDÊNCIAS ALUCINADAS - Todas as importações realmente existem?

   • Cada pacote está em package.json/requirements.txt?
   • Os métodos da API são reais? (A IA inventa métodos com nomes plausíveis que não existem)
   • A versão mais recente desta biblioteca ainda exporta esta função?

5. DESVIO ARQUITETÔNICO - Isso corresponde aos padrões do projeto?

   • Mesmo estilo de tratamento de erros do código existente?
   • Usa as utilidades estabelecidas do projeto (não reinventa)?
   • Segue a convenção de estrutura de arquivos?

Sinais de Alerta (pare e corrija imediatamente)

• catch (e) {} ou catch (e) { console.log(e) } - erro engolido
• Nenhum bloco finally quando recursos foram abertos
• // TODO: handle error - a maneira da IA de adiar
• Importação de um caminho que não existe no projeto
• Tempo limite definido, mas sem abortar/limpar no tempo limite
• Conexão de banco de dados aberta, mas nunca devolvida ao pool

Erros Comuns

• Confiar que a compilação significa correção (a compilação verifica a sintaxe, não a lógica)
• Revisar apenas a diferença sem verificar o que a IA NÃO gerou (caminhos de erro ausentes)
• Assumir que a IA usou a versão correta da biblioteca (muitas vezes usa APIs obsoletas)
• Pular a verificação de órfãos porque a coleta de lixo cuida disso (não cuida de conexões, ouvintes, timers)

Por Que Isso Existe

Agentes de IA otimizam sistematicamente para "parece correto" e "passa no caminho feliz". Eles perdem modos de falha, recursos órfãos e alucinam dependências em taxas significativamente maiores do que o código manual. Esta habilidade força uma auditoria para esses pontos cegos específicos.