De direcionar uma ferramenta para escolher entre duas

Duas ferramentas, duas abas, uma pergunta que os cursos do intern deixaram aberta

No fim dos cursos de IA do nível intern, "usar uma ferramenta agêntica" já queria dizer algo específico. Você abria o Cursor ou o Antigravity, apontava para um pedido e o via ler um arquivo, escrever código, rodar um comando e ler o resultado. "Ferramentas de IA: introdução (Cursor & Antigravity)" conferiu esse ciclo na documentação das duas ferramentas. "Prompting de IA: zero-shot" tratou de formular um pedido com precisão suficiente para não sobrar nada para a ferramenta adivinhar. Nenhum dos dois perguntou qual modelo faz o raciocínio dentro desse ciclo.

Quem tem o Claude aberto numa aba e o Gemini em outra esbarra nessa pergunta no primeiro dia: qual dos dois pega a tarefa difícil de hoje? O nível intern já comparou os editores. Este curso é sobre os modelos que pensam, Claude e Gemini. Ele se concentra no único ponto em que as diferenças entre eles valem um planejamento: uma tarefa grande e emaranhada, e não um método de cinco linhas.

A tarefa que torna a diferença visível

published?, o exemplo que acompanhou a maior parte do nível intern, não precisa deste curso. São poucas palavras de regra de negócio com um branch. O Enrollment::UserGamificationQuery deste app, em app/queries/enrollment/user_gamification_query.rb, precisa. Em 48 linhas ele chama sete colaboradores: Enrollment::ExperiencePoint, Enrollment::Level, Enrollment::LevelForXp, Enrollment::SkillRadarQuery, Enrollment::LeaderboardSnapshot, Enrollment::LeaderboardPercentile e Enrollment::StreakPolicy. Ele calcula um percentil de ranking a partir da entrada do aluno num snapshot pré-calculado, com casos especiais para um aluno que ainda não está no ranking e para o primeiro lugar. Também calcula uma porcentagem de progresso de nível com a própria proteção contra divisão por zero. Explicá-lo direito, ou estendê-lo sem quebrar um colaborador, exige segurar tudo isso na cabeça ao mesmo tempo.

Esse é o formato de tarefa que interessa a este curso. Nele, uma suposição errada feita cedo estraga, sem alarde, uma resposta com cara de certa. A aula 6 volta a esse arquivo e testa as aulas 2 a 5 contra ele.

O que difere, conferido na documentação atual

Nenhum dos mecanismos de raciocínio aqui vem de memória ou de um post antigo. A documentação oficial e atual do Claude e do Gemini, lida durante a escrita deste curso, é a fonte de cada afirmação específica das próximas quatro aulas. O que não pôde ser confirmado ficou de fora. As linhas de modelos mudam rápido, e as duas empresas lançaram modelos novos nos últimos meses, então um número de seis meses atrás já pode estar errado.

O que este curso cobre

A aula 2 trata do que é um modo de "thinking", na documentação das duas APIs. A aula 3 compara os controles que cada uma oferece para quanto um modelo raciocina, o que é diferente de escrever um prompt mais longo. A aula 4 compara janelas de contexto, conferidas nas páginas de modelos atuais das duas empresas. A aula 5 trata do custo da profundidade de raciocínio em tokens e em tempo. A aula 6 aplica tudo isso ao UserGamificationQuery. A aula 7 junta a comparação.

Nada disso substitui o hábito de revisão ensinado em "IA: humano no controle". Ele vale para uma query de sete colaboradores tanto quanto para um método de uma linha. Este curso é sobre escolher quanto raciocínio uma tarefa precisa antes de chegar à revisão da resposta.