Em julho de 2026, o campo da programação por IA passou por uma grande transformação. Peter Steinberger anunciou no X que a era da engenharia cíclica chegou ao fim, direcionando a indústria rumo à engenharia de grafos. A engenharia cíclica, originada do método Ralph de Geoffrey Huntley, contornava limitações de janela de contexto fazendo com que agentes de IA rodassem continuamente até atingirem um objetivo. Entre abril e maio de 2026, ferramentas como Codex e Claude Code lançaram funcionalidades Goal, materializando a engenharia cíclica. Atualmente, a indústria está explorando engenharia de grafos mais complexas, envolvendo o design colaborativo de grafos organizacionais e de trabalho.

Autor do artigo, fonte: Conta oficial do WeChat InfoQ (ID: infoqchina)

Ainda estamos discutindo o ciclo, ou já passamos para o gráfico?

Em 18 de julho de 2026, Peter Steinberger anunciou silenciosamente o fim da era da engenharia cíclica no plataforma X com esta frase. O post obteve 2,6 milhões de visualizações nos dois dias seguintes à publicação.

Há seis semanas, ele obteve 8,4 milhões de visualizações com “design que orienta ciclos de Agent”, fazendo com que desenvolvedores globais percebessem que a era da engenharia de prompts está passando e que a engenharia de ciclos é o novo caminho.

Dois posts, com mais de 11 milhões de visualizações acumuladas, impulsionaram a discussão mais quente no campo da programação de IA para o próximo nível.

O surgimento do ciclo

No mês passado, "Loop Engineering" tornou-se rapidamente um conceito popular no campo da programação baseada em IA.

Mas sua verdadeira origem remonta a um ano atrás. Em julho de 2025, o engenheiro de software Geoffrey Huntley propôs um método que ele chamou de "Ralph" — um simples loop Bash que fazia o Claude repetir tarefas até atingir o objetivo:

enquanto :; do cat PROMPT.md | claude-code ; done

O núcleo do método Ralph consiste em contornar os limites da janela de contexto. Em meados de 2025, o tamanho máximo da janela de contexto era de 200.000 tokens, o que era insuficiente para tarefas mais complexas, exigindo que a execução do Agente fosse dividida em unidades menores e executadas sequencialmente.

Neste contexto, o método Ralph funciona da seguinte forma:

• Defina um objetivo para o projeto e execute ou reexecute o Agente continuamente até alcançar o objetivo.
• Persistir o trabalho concluído no sistema de arquivos no formato "compactado", por exemplo, salvando como log ou plano atualizado.
• Use um novo contexto para iniciar o Agent, minimizando assim a "corrupção do contexto".
• Permita que cada agente adicione ou modifique o "plano geral" quando necessário.

Huntley usou esse método para construir uma linguagem de programação do zero, validando sua viabilidade. Mas só se espalhou rapidamente entre a comunidade de desenvolvedores após a aparição de modelos mais potentes.

O sucesso do Loop também deve-se a alguns desenvolvedores-chave da Anthropic e da OpenAI. Inicialmente, na conferência de desenvolvedores da Anthropic, Boris Cherny, criador do Claude Code, declarou: “Atualmente, já não estou mais dando instruções ao Claude. Estou executando alguns loops, e são esses loops que fornecem instruções ao Claude e decidem o que fazer a seguir. Meu trabalho é escrever loops.”

Em seguida, Peter Steinberger também postou pedindo aos desenvolvedores que deixem de fornecer diretamente prompts para Agentes de programação: “Lembrete mensal: você não deve mais fornecer prompts manualmente para Agentes de programação. Você deve projetar ciclos que possam gerar prompts para os Agentes.”

O ex-engenheiro do Google, Addy Osmani, posteriormente escreveu um artigo intitulado “Loop Engineering”, resumindo-o como: “Engenharia de loop é deixar de ser você mesmo o responsável por fornecer prompts ao Agente e, em vez disso, projetar um sistema que realize essa tarefa por você.”

A ideia está pronta, o nome está definido e a infraestrutura está seguindo rapidamente.

De abril a maio de 2026, Codex, Claude Code e Hermes lançaram o comando /goal, transformando ciclos escritos manualmente em um único comando.

Six months after Ralph began widespread adoption, Codex released the goal feature.

O documento do Codex afirma: "Metas são objetivos persistentes no Codex que permitem que um fio de conversa avance ao longo de múltiplas interações em direção a um resultado claro. A Meta fornece ao Codex uma condição de conclusão: qual estado deve ser atingido, como verificar o sucesso e quais restrições devem ser sempre mantidas."

O documento destaca especificamente: “Prompts comuns expressam: faça isso a seguir. Goals expressam: continue trabalhando até que este resultado seja alcançado.”

Em solicitações normais, o Codex processa a instrução atual, relata o resultado e aguarda a próxima etapa. Ao usar um Objetivo, um objetivo persistente é anexado à thread. Após o término de uma rodada de execução, ele pode verificar as evidências atuais e determinar se o objetivo já foi concluído. Se a resposta for negativa e o Objetivo ainda estiver ativo e o orçamento não tiver sido esgotado, o Codex pode continuar trabalhando a partir do estado mais recente.

Por exemplo: “Reduzir a latência p95 no benchmark de checkout para abaixo de 120 ms, garantindo que o conjunto de testes de correção sempre passe.”

Este é um critério de encerramento suficientemente claro para ser entregue diretamente ao Agente. Em seguida, o Agente dividirá automaticamente a tarefa, criará subagentes e continuará em execução até que o trabalho seja concluído. A equipe Codex inspirou-se no ciclo Ralph para construir a infraestrutura: coordenar múltiplos agentes, evitar que eles interfiram entre si; gerenciar estado; executar testes; iniciar e parar agentes; posteriormente, adicionando funcionalidades como definição de orçamento.

Arquitetura da função Goals

Como os desenvolvedores podem usar loops

O que os desenvolvedores estão realmente fazendo com o loop? De acordo com o feedback da comunidade, o cenário mais comum ainda é processar tarefas periódicas.

Mas a capacidade de ciclagem vai muito além disso. O verdadeiro valor da engenharia de ciclos se manifesta em tarefas mais complexas e de longo prazo que exigem iterações contínuas.

Por exemplo, concluir uma grande migração de código. O fundador da startup Rafel Mendiola precisava converter um aplicativo React em React Native. O método tradicional envolvia criar um grande Epic e dividi-lo em 50 a 100 tickets, o que já era desencorajador apenas pela infraestrutura necessária.

Sua alternativa era criar uma Skill para que o Agente identificasse automaticamente os blocos de código transferíveis, realizasse a conversão e rastreasse o progresso, em seguida, incluísse essa Skill em uma tarefa Cron que executa a cada 30 minutos. Em comparação com gerenciar um grande plano de migração, esse método é muito mais leve cognitivamente.

Próxima parada: Graph

A questão no tweet de Peter na verdade aponta para um caminho de evolução.

Há um ano, a engenharia de prompts era uma habilidade central. Em 2025 e início de 2026, o foco mudou para o design de ciclos. Agora, o que Peter aponta já está mais longe: o design de gráficos compostos por múltiplos ciclos — cada agente executa seu próprio ciclo, interligado por dependências.

A melhor resposta na thread deste tweet vem de Luis Catacora: “O ciclo tem uma grande margem de erro. O gráfico forçará você a reconhecer quantas partes do fluxo de trabalho ainda não foram realmente modeladas.”

Esta frase ilustra a diferença entre esses dois paradigmas. O loop permite adiar o design da arquitetura: comece com um agente responsável por todas as tarefas, até que ele não consiga mais lidar com elas. Já o grafo exige que você declare antecipadamente toda a estrutura — quem é responsável por quê, quais tarefas dependem de quais e o que fazer se um ramo falhar. O loop é uma decisão adiada; o grafo é uma decisão antecipada.

Shubham Saboo, gerente de produto de IA avançada do Google e autor do repositório de código Awesome LLM Apps (com mais de 124 mil estrelas no GitHub), ofereceu outra análise, distinguindo dois níveis: “o organograma de longo prazo define quem é responsável por qual área e mantém o contexto; o mapa de trabalho define o que precisa ser feito atualmente e pode ser dividido, combinado, reordenado ou desaparecer diretamente com base em evidências.”

O que é exatamente o Graph?

Loop torna o comportamento do Agente programável. Graph torna a organização do Agente programável.

O próximo passo é a organização dinâmica de agentes: durante a execução da tarefa, o Graph reescreve sua própria estrutura.

Preston Holmes: Pelo menos dois Graphs são importantes. O primeiro é o Graph mostrado em seu gráfico, composto por Agentes de longa duração que, como uma defesa por zona, cada um é responsável por uma área. O segundo é o Graph formado pelo trabalho que precisa ser feito. Ele é dinâmico e está em constante mudança.

Shubham Saboo: O "organograma" de longo prazo determina quem é responsável por cada área e mantém o contexto. O "fluxo de trabalho" determina quais tarefas precisam ser concluídas no momento. À medida que novas evidências surgem, ele pode ser dividido, combinado, reordenado ou simplesmente desaparecer.

Este é o ponto-chave de um sistema multi-Agent de produção: na verdade, há dois gráficos funcionando simultaneamente.

Organograma (Org Graph): define "quem é responsável pelo quê". É composto por Agentes de longa duração, cada um responsável por um domínio fixo, mantendo o contexto, as competências especializadas e as permissões de ferramentas desse domínio. O organograma é relativamente estável, semelhante à estrutura organizacional de uma empresa.

Gráfico de Trabalho (Work Graph): define “o que fazer agora e como as tarefas fluem”. Ele muda continuamente à medida que novas tarefas e evidências surgem, podendo ser dividido, combinado, reordenado ou cancelado diretamente. O Gráfico de Trabalho é mais como um plano de projeto gerado em tempo real.

Preston Holmes também acredita que ambos os gráficos são importantes e operam em escalas de tempo diferentes. O gráfico de organização é pré-projetado e implantado; o gráfico de trabalho é gerado dinamicamente para cada tarefa e descartado após a conclusão da tarefa.

Se o ciclo torna o comportamento do Agente programável, então o grafo torna a organização do Agente programável. O próximo passo são organizações dinâmicas de Agentes—durante a execução da tarefa, o grafo reescreve automaticamente sua própria estrutura.

Do escrever bem o Prompt, ao projetar o Loop e, em seguida, construir o Graph, o foco da capacidade de programação da IA está continuamente subindo. Os desenvolvedores cada vez menos precisam se preocupar em como interagir com um único Agente, mas sim em como projetar a estrutura de colaboração entre Agentes.