Clean Code e IA - Uma análise de Uncl

A série "Clean AI: Agentic Discipline" (início/2026)

Esse é o material mais concreto e recente dele sobre o tema, produzido junto com o filho Justin Martin no cleancoders.com, ao longo de quatro episódios. As ideias centrais:

A redefinição do que é "source" (Episódio 2) — é talvez a ideia mais provocativa. Para ele, quando se usa agentes de IA, o código não pode mais ser a fonte (source), porque ele se tornou domínio da IA. Os humanos, que dirigem e guiam os agentes, precisam de um nível de fonte mais alto — o documento a partir do qual o sistema é construído. Ou seja: a especificação/intenção bem definida vira o artefato de verdade, não o código gerado. Cleancoders

As disciplinas continuam sendo a resposta (Episódios 1 e 4) — ele examina testes e refatoração usando um agente de IA como o Claude Code, e no episódio final destila quatro meses de pesquisa intensa em desenvolvimento agêntico numa palestra com disciplinas, ferramentas, estratégias e conselhos. As disciplinas que ele enfatiza são as de sempre: acceptance testing, unit testing, mutation testing e análise de qualidade de código. Clean Coders StudioCleancoders

Como garantir qualidade, na visão dele

A tese consistente do Uncle Bob é que a IA não substitui o julgamento do desenvolvedor — ela amplifica tanto acertos quanto erros. A IA comete exatamente os erros sobre os quais ele alertou no Clean Code há quase duas décadas — duplicação, nomes inconsistentes, edge cases ignorados — só que mais rápido e em escala. Daí o caminho prático ser: DEV Community

• Usar Clean Code como filtro de qualidade. Use a IA para gerar boilerplate, sugerir refatorações e rascunhar testes, mas sempre revise a saída contra os princípios de Clean Code; aceitar a saída da IA cegamente introduz nomes vagos, magic numbers e lógica duplicada. Antes do merge: checar nomes, responsabilidade única, testabilidade e legibilidade. Cleancodeguy
• A habilidade de revisão vira o gargalo. Engenheiros sêniores usando IA produzem resultados significativamente melhores que juniores usando IA, porque a habilidade de revisão — não a de escrever — passa a ser o gargalo. Isso conecta com a preocupação dele de que delegar a geração de código erode habilidades fundamentais de quem ainda está aprendendo a depurar e a pensar em edge cases. Easytool
• Encodar as regras no próprio fluxo do agente. Vários praticantes (inspirados nele) têm traduzido o catálogo de code smells do Clean Code em Skills/instruction files que o agente lê antes de escrever — a ideia de que o agente não sabe o que é bom código a menos que você diga explicitamente.

Vale notar um ponto de tensão que aparece na própria discussão do HN: muita gente relata que os testes que os agentes escrevem são "perfunctory and smelly" — mockam tanta coisa que não testam nada de verdade, e pedir TDD ("escreva o teste primeiro") nem sempre resolve. Isso ecoa um achado de pesquisas recentes (o "TDD Prompting Paradox") de que dizer ao agente como fazer TDD funciona menos do que dizer quais testes verificar.