Code Modification for C#/.NET Backend Applications

1. Do Plano à Ação: A Execução do Agente

Uma vez que o agente recebe um prompt rico em contexto e um plano de execução (como o que discutimos na lição anterior), ele não começa a escrever código aleatoriamente. Agentes de codificação avançados operam em modos distintos, sendo o mais poderoso o "modo agente" ou "modo de edição", onde ele pode planejar e executar tarefas de forma autônoma em vários arquivos.

O artigo a seguir detalha um exemplo prático completo de como um agente, como o GitHub Copilot, pode pegar um requisito complexo e implementar uma nova funcionalidade de ponta a ponta em uma aplicação ASP.NET Core.

O que você acabou de ver é um exemplo concreto de como um agente automatiza um fluxo de trabalho de desenvolvimento que você conhece bem:

• Compreensão do Requisito: O agente interpreta o prompt para entender a necessidade de uma nova camada de dados.
• Planejamento: Ele decompõe a tarefa em passos lógicos: adicionar pacotes NuGet, criar modelos, serviços, controllers e configurar a injeção de dependência.
• Execução Coordenada: O agente não trabalha em um arquivo isoladamente. Ele gera e modifica múltiplos arquivos de forma coordenada para garantir que a nova funcionalidade esteja totalmente integrada. A criação da interface IMoodStorageService e sua posterior injeção no MoodController e registro no Program.cs é um excelente exemplo dessa coordenação.

Este processo demonstra que o agente não está apenas "completando código", mas sim aplicando padrões de arquitetura de software para construir uma feature coesa.

2. Demonstração Prática: Adicionando uma Funcionalidade

Ver a teoria e os exemplos em texto é útil, mas uma demonstração em vídeo pode solidificar o entendimento de como essa interação acontece em tempo real.

O vídeo a seguir mostra um desenvolvedor usando o modo de edição do Copilot para adicionar uma funcionalidade de exclusão. Embora o exemplo use .NET MAUI, os princípios de modificar uma camada de serviço e lógica de aplicação são idênticos aos de um backend ASP.NET Core.

Este exemplo reforça que o agente é capaz de entender um requisito que tem implicações em diferentes partes do sistema e gerar o código correspondente para cada uma delas, desde a lógica de negócios até o acesso a dados.

3. Garantindo Qualidade e Consistência com Instruções

Gerar código é apenas metade da batalha. O código gerado precisa estar alinhado com as convenções, padrões e regras de arquitetura do seu projeto. Como vimos na lição anterior, é aqui que entra o contexto que fornecemos.

Uma das maneiras mais poderosas de fornecer esse contexto é através de arquivos de instrução persistentes, que agentes como Copilot e Rovo Dev são treinados para consumir.

Ao criar um arquivo como este (seja AGENTS.md para Rovo ou project.md para Copilot), você está efetivamente "ensinando" ao agente a cultura de engenharia do seu time. Para seus repositórios, você teria um arquivo desses para o backend C#/.NET, outro para o frontend React, e assim por diante, cada um com suas regras específicas.

O Ciclo de Auto-Correção

E se o agente cometer um erro? Agentes avançados não desistem ao primeiro erro de compilação. Eles integram-se ao processo de build para se autocorrigirem.

O agente monitora a saída do compilador. Se um erro como The name 'xyz' does not exist in the current context ou Missing using directive for 'System.Linq' for detectado, ele usará essa informação para tentar corrigir o código que acabou de gerar.

Este ciclo de gerar -> construir -> observar erro -> corrigir é fundamental para a autonomia e a confiabilidade do agente. Sua experiência com os erros do compilador do C# permite entender que essas mensagens são extremamente informativas e fornecem um caminho claro para a correção, algo que o agente pode explorar de forma eficaz. O artigo AI-Powered Development with GitHub Copilot in Visual Studio também aborda isso na seção 'Step 19: Understanding the Build Process Integration'.

4. Conectando ao Ecossistema Atlassian

Até agora, usamos o GitHub Copilot como um excelente análogo para um agente de geração de código. Os princípios são universais. Agora, vamos conectar isso diretamente ao seu objetivo de usar o Atlassian Rovo.

O Rovo foi projetado desde o início para se integrar profundamente com o Jira. O fluxo de trabalho é exatamente o que você idealizou: um ticket no Jira aciona o agente, que então gera o código.

O resultado final desse processo dentro do ecossistema Atlassian é exatamente o que você busca: rastreabilidade completa desde o requisito até o código.

Conclusão

Nesta lição, vimos como um agente de IA transforma um plano bem estruturado em código C#/.NET funcional e consistente. Passamos da teoria da construção de prompts para a prática da geração de código.

Principais Pontos:

• Agentes de codificação operam em modos que lhes permitem planejar e executar modificações coordenadas em múltiplos arquivos (Models, Services, Controllers, etc.).
• O agente utiliza um contexto rico, incluindo arquivos de instrução (AGENTS.md), para gerar código que adere aos padrões de arquitetura e estilo do seu projeto.
• Um recurso fundamental é o ciclo de auto-correção, onde o agente usa os erros de compilação como feedback para refinar o código gerado.
• Ferramentas como o Atlassian Rovo são projetadas para integrar esse processo de geração de código diretamente com o fluxo de trabalho do Jira, realizando a visão de automação de ponta a ponta.

Na Próxima Lição

Com uma compreensão sólida de como guiar o agente para o backend, o próximo passo natural é o frontend. Na próxima lição, vamos nos aprofundar no resultado de aprendizagem: Guiar o agente para gerar modificações de código para uma aplicação frontend React/JS. Exploraremos como ele lida com componentes, gerenciamento de estado e integração de API do lado do cliente.