# Como uso um assistente de programação com IA sem uma grande pegada?

> Como manter o benefício dos assistentes de programação com IA e cortar tokens desperdiçados: modelo do tamanho certo, contexto focado, tarefas divididas.

Source: https://greenai.guide/pt/como/como-uso-um-assistente-de-programacao-com-ia-sem-uma-grande-pegada/  
Updated: 2026-11-19

## Em resumo

Use o assistente onde ele claramente compensa, dê-lhe um contexto focado em vez de repositórios inteiros, escolha um modelo menor ou mais rápido para edições de rotina e divida as tarefas difíceis em passos simples que você revê. Um estudo concluiu que a programação assistida por IA teve cerca de 33 vezes a pegada de carbono da abordagem manual nas tarefas testadas, por isso os hábitos importam.

## Steps

1. Decida se a tarefa precisa do assistente ou se é mais rápido você mesmo escrever.
2. Escolha um modelo menor ou mais rápido para completamentos e edições de rotina.
3. Indique ao assistente os arquivos relevantes em vez do repositório inteiro.
4. Divida uma tarefa difícil em passos pequenos e reveja cada um antes de avançar.
5. Defina limites de passos ou de gastos nos modos de agente e pare as execuções que entrem em loop.
6. Acompanhe o uso do assistente pela sua equipe junto com o custo.

**Use o assistente de forma deliberada, e não por reflexo, e mantenha pequeno o que ele lê.** Os assistentes de
programação são úteis, mas a sua energia é invisível para quem os usa.

## Por que isso importa? {#why-does-it-matter}

Cheung e colegas compararam o desenvolvimento manual e o assistido por IA num conjunto de tarefas de programação e
concluíram que a abordagem assistida por IA teve cerca de 33 vezes a pegada de carbono da manual, com a diferença a
aumentar à medida que as tarefas ficavam mais difíceis. Isso não quer dizer nunca usar assistentes; quer dizer usá-los
onde poupam tempo real.

Os modos de agente custam ainda mais. A Anthropic relatou que os seus agentes usavam normalmente cerca de quatro vezes
mais tokens do que um chat, e os sistemas multiagente cerca de quinze vezes.

## O que faz a maior diferença? {#what-makes-the-biggest-difference}

- **Contexto.** Cada arquivo que o assistente lê é processado de novo a cada turno. Abra ou refira apenas os arquivos
  que importam, e comece uma nova sessão para uma nova tarefa.
- **Escolha do modelo.** Muitas ferramentas deixam você escolher um modelo. Um modelo pequeno e rápido costuma bastar
  para completamentos, renomeações e código repetitivo; guarde o grande para o desenho e a depuração.
- **Limites para agentes.** Dê aos agentes um objetivo claro, uma condição de parada e um limite de passos. Veja
  [como evitar que os agentes de IA desperdicem tokens](/pt/como/como-evito-que-agentes-de-ia-desperdicem-tokens/).
- **Passos pequenos com revisão.** Uma pessoa que verifica cada passo evita longas execuções na direção errada.

## Erros comuns {#common-mistakes}

- Deixar um agente "corrigir os testes" num loop sem fim definido.
- Gerar de novo um arquivo inteiro para mudar uma linha.
- Aceitar código sem verificar a sua eficiência: veja
  [como fazer a IA escrever código eficiente em energia](/pt/como/como-faco-a-ia-escrever-codigo-eficiente-em-energia/).

Para o quadro geral, leia [IA agêntica e desperdício de tokens](/pt/artigos/ia-agentica-e-desperdicio-de-tokens/).

## Fontes

- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [GreenCode Constitution: agent principles for optimizing code and LLM inference energy use](https://greencode.ai/publications/greencode-constitution-agent-principles-for-optimizing-code-and-llm-inference-en/), Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
