No Radar anterior, descrevemos o flywheel de feedback como uma forma de melhorar a estrutura (harness) de um agente de programação a partir de sessões anteriores. A maioria das pessoas desenvolvedoras atualiza arquivos AGENTS.md e habilidades de agentes quando um agente erra algo, mas o que uma desenvolvedora aprende pode não ser compartilhado com o restante da equipe. O flywheel de feedback adiciona uma pergunta ao final de cada sessão, questionando se algo deve mudar em um artefato compartilhado, junto com um item de retrospectiva onde a equipe decide o que atualizar. Sensores de feedback mostram quais verificações continuam falhando, uma caixa de sugestões dos agentes coleta problemas relatados pelos agentes e ferramentas como o Backpass propõem edições com base em sessões passadas para um humano aceitar ou rejeitar. Estamos movendo o flywheel de feedback para “Experimente” porque as edições de estrutura agora são rotineiras.
O flywheel precisa remover tanto quanto adicionar. Regras que apenas se acumulam se tornam sobrecarga de instruções para os agentes, e um sensor que gera apenas ruído deve ser eliminado. Recomendamos verificar continuamente quais artefatos ainda estão em uso e atualizados. O Context profiling mostra se as edições estão aumentando o que cada sessão carrega. Onde o autoaperfeiçoamento de agentes faz com que um agente execute o loop, o flywheel de feedback o torna um hábito da equipe, com os agentes propondo alterações e as pessoas escolhendo quais alterações fazer.
Equipes que trabalham com agentes de programação estão adotando cada vez mais fluxos de trabalho de desenvolvimento orientado a especificações. Quer utilizem um framework leve ou mais diretivo, esses fluxos geralmente seguem uma sequência semelhante de especificação → planejamento → implementação. O flywheel de feedback estende esse fluxo com uma etapa adicional focada em melhorar continuamente a estrutura (harness) do agente de programação. A abordagem é semelhante às retrospectivas: as equipes capturam sucessos e falhas durante uma sessão do agente de programação e os usam para melhorar a previsibilidade de sessões futuras, o que gera ganhos cumulativos ao longo do tempo. É uma metatécnica na qual um humano na supervisão (human-on-the-loop) se concentra em melhorar os controles proativos (feedforward), como instruções compartilhadas com curadoria, bem como sensores de feedback para agentes de programação. Nossas equipes consideram essa prática eficaz, pois é análoga à refatoração de código. O próximo nível se parece mais com um flywheel de feedback baseado em agentes, onde, com base no feedback acumulado, o próprio agente decide quais melhorias são necessárias. Por enquanto, no entanto, as equipes ainda precisam de um humano no circuito (human-in-the-loop) para evitar a degradação de contexto e um feedback ruidoso que poderia desviar o agente do seu objetivo. Sugerimos utilizar essa abordagem para avaliar toda a estrutura (harness) do agente de programação à medida que seu ambiente evolui, especialmente ao adotar novos modelos; o que funcionou com um modelo pode não ser necessário com o próximo.
