Assistentes de IA para programadores começaram a migrar para a interface de linha de comando

Ferramentas de codificação com tecnologia de IA, como Cursor, Windsurf e GitHub Copilot, são pioneiras em seu segmento há anos. E, à medida que os agentes de IA evoluem, essas ferramentas estão mudando a forma como funcionam, migrando para o terminal — uma interface de linha de comando, observa o TechCrunch.

Fonte da imagem: Mohammad Rahmani/unsplash.com

Em vez de trabalhar apenas com código, esses serviços interagem cada vez mais diretamente com o shell do sistema operacional em que são executados — uma mudança significativa na forma como o software de IA é desenvolvido e que pode impactar todo o setor. A transição já começou em todos os principais desenvolvedores: em fevereiro, a Anthropic, a Google DeepMind e a OpenAI lançaram ferramentas de programação orientadas à linha de comando — Claude Code, Gemini CLI e CLI Codex, respectivamente. Esses produtos já ganharam popularidade entre seus públicos.

É fácil não notar a mudança, já que as novas ferramentas têm, em sua maioria, a mesma marca de suas antecessoras, mas as mudanças são profundas. No futuro, de acordo com os criadores do benchmark Terminal-Bench, 95% das interações entre grandes modelos de linguagem e computadores serão feitas por meio de um terminal ou interface similar. O Warp lidera o ranking do benchmark com seu “ambiente de desenvolvimento baseado em agentes”, um cruzamento entre um IDE tradicional e um conjunto de ferramentas de linha de comando como o Claude Code.

Fonte da imagem: Fotis Fotopoulos / unsplash.com

Para entender as diferenças na nova abordagem, é útil analisar os benchmarks usados para analisá-la. Por exemplo, as tarefas do SWE-Bench são compiladas com base em relatórios de problemas abertos do GitHub — são fragmentos de código reais que não funcionam. Para encontrar uma solução, os modelos de IA sugerem suas próprias opções até que o código comece a funcionar. Ferramentas habilitadas para terminal permitem uma visão ainda mais ampla, pois abrangem não apenas o código em si, mas também todo o ambiente em que o aplicativo é iniciado: além de escrever o código, elas resolvem tarefas de configuração de um servidor Git e depuração.

Uma das tarefas oferecidas no Terminal-Bench especifica um programa para descompactar e fornece um arquivo de texto de destino — o agente de IA precisa fazer engenharia reversa e determinar um algoritmo de compactação adequado. Outra tarefa solicita que o agente construa o kernel do Linux a partir do código-fonte, mas não menciona que o código-fonte deve ser baixado primeiro. É importante ressaltar que a nova abordagem envolve a resolução de problemas em etapas — é com base nessa capacidade que o valor dos agentes de IA é avaliado. No entanto, mesmo neste caso, eles ainda não resolvem todas as tarefas — por exemplo, o Warp saiu na frente, tendo lidado com apenas pouco mais da metade delas.

No entanto, especialistas enfatizam que os agentes de IA já são capazes de assumir uma parcela significativa das tarefas que um desenvolvedor normalmente executa, e é irracional ignorar isso. O mesmo Warp lida com sucesso com o trabalho diário de preparar um novo projeto, identificar dependências e lançar — e, nos casos em que a IA falha, explica o porquê.