Contexto
CLAUDE.md e CoreConfig definem gravidade, stack, padrões e autoridade antes de qualquer execução.
O ponto não é a IA ser inteligente. É travar a IA no caminho certo, etapa por etapa, até a qualidade subir.
Use este mapa para entender a sequência da aula antes de entrar nos detalhes.
Determinismo progressivo = a IA vai sendo presa no caminho certo, e a cada trava a qualidade sobe.
Forçar coisas fixas (specs, validações) em vez de deixar a IA inventar.
Trava por trava, etapa por etapa, a qualidade sobe a cada uma.
A LLM quer 'preencher os espaços em branco' do jeito dela. O determinismo fecha esses espaços. [SOURCE: L1335]
O travamento não começa no código. Começa lá atrás, na configuração.
CLAUDE.md e CoreConfig definem gravidade, stack, padrões e autoridade antes de qualquer execução.
PRD, épicos e Stories dizem o que será construído, em qual ordem e com qual aceite.
Validate Story Draft, QA, CodeRabbit e CI/CD conferem o trabalho antes de publicar.
A amarração de contexto: cada etapa adiciona uma trava [SOURCE: L2899-2919]
as leis que regem o ambiente (a gravidade)
a stack, code standard, sourcing definida
o que vai ser construído
decomposição executável
valida ANTES de executar
A cada gate de qualidade, a acurácia sobe. Cada gate soma confiança.
Mesmos gates da tabela: self-healing, QA Review e CI/CD.
| Gate | Self-healing | QA Review | CI/CD | Clareza gerada |
|---|---|---|---|---|
| Acurácia inicialprimeira trava | 30 | 60 | 90 | Suficiente para iterar, insuficiente para publicar. |
| Confiança de reviewcritério externo | 30 | 60 | 90 | QA e CodeRabbit reduzem abstração antes do PR. |
| Bloqueio finalantes do merge | 30 | 60 | 90 | CI/CD e PR travam regressão antes de produção. |
Determinismo progressivo não é teoria, é o que acontece quando o trabalho deixa de depender de uma resposta única da IA.
Um aluno comum olha para o 30 → 60 → 90 e pensa que é número técnico. Não é. É uma forma de enxergar confiança. A primeira versão da IA pode estar útil, mas ainda está abstrata. Quando ela passa por self-healing, QA e CI/CD, a mesma entrega deixa de ser chute bonito e vira artefato mais preso na realidade.
A saída inicial parecia boa, mas só virou confiável depois de passar por gates empilhados.
menos opinião, mais portão
A IA entrega algo plausível.
Cada revisão força critério externo.
A entrega deixa de ser só uma resposta bonita.
O número de gates é função do risco, não da pressa. Cada gate remove uma camada de abstração.
É rascunho local, reversível, sem ninguém dependendo?
Vai para review ou outra pessoa vai usar?
Vai para produção / merge / usuário real?
Se passou por zero ou um gate, ainda é abstração da IA, não entrega confiável.
Travar a IA etapa por etapa, com a qualidade subindo a cada gate.
Portão que só deixa passar o que tem qualidade suficiente.
A IA revisa e corrige o próprio trabalho automaticamente (~30%).
Workflows de teste automático para staging e produção (gate de ~90%).
Conte os gates do seu último trabalho com IA.
Use quando uma entrega parece pronta, mas você não sabe por quais gates ela passou.
listar artefato→contar gates→classificar risco→adicionar gate→revalidarListar — Qual artefato foi produzido e para que serve?Contar — Passou por self-healing, QA, teste, CodeRabbit, CI/CD?Risco — Se passou por zero ou um gate, ainda está abstrato demais.Adicionar — Adicione o menor gate útil antes de escalar.A sequência de gates que leva a IA de 30 para 90, fechando os espaços em branco.
01determinismo_30:02tem: "CLAUDE.md + core-config" # ambiente e stack fixos03determinismo_60:04adiciona: "PRD + Epicos + Stories" # o que construir, decomposto05determinismo_90:06adiciona: "Validate Story Draft" # valida ANTES de executar07efeito: "a IA para de preencher o espaco em branco do jeito dela"