Google libera Elephant-Goldfish, plugin que força IA a escrever especificação antes do código

Tecnologia

Plugin inovador do Google exige que IA crie especificações detalhadas antes da codificação, garantindo maior qualidade e revisão.

Leia também: 4 formas que seu número cai em listas de spam e como evitar hoje

O Google abriu o código do Elephant-Goldfish Model (EGM), um plugin que cria uma camada de design e revisão para agentes de IA que geram código, exigindo uma especificação detalhada antes de qualquer linha ser escrita e submetendo esse documento a múltiplas auditorias automatizadas.

Plugin mira erros de suposição antes do pull request

Disponível no GitHub e apresentado no blog de código aberto do Google, o EGM nasce para atacar um problema cada vez mais comum entre agentes de programação: suposições erradas e colapso de contexto em sessões longas de chat, que acabam gerando código incoerente ou inconsistente com o projeto.

Na prática, o plugin obriga o agente a primeiro produzir uma especificação em Markdown e só depois partir para a implementação. A ideia é antecipar falhas que hoje aparecem apenas na revisão humana de um pull request. “É bastante simples: capturar suposições erradas em um arquivo Markdown, não em um pull request”, resume a equipe de código aberto do Google.

Segundo a empresa, milhares de engenheiros internos já usam o modelo no dia a dia, o que indica maturidade do fluxo antes da abertura do projeto para a comunidade.

Como funciona o Elephant-Goldfish Model

O EGM é distribuído sob licença Apache 2.0 e não traz um modelo de linguagem próprio. Ele é um conjunto de habilidades, personas revisoras e padrões documentais que se encaixa em agentes existentes.

O fluxo é dividido em duas grandes partes, inspiradas no ensaio de Dave Rensin sobre “elefantes e peixes-dourados”, citado pelo próprio Google: “O método vem do ensaio de Dave Rensin sobre elefantes e peixes-dourados”, afirma o texto do blog de código aberto.

No papel de “Elephant” fica uma sessão longa, que acumula o contexto do projeto, requisitos e decisões tomadas. “O Elephant é uma sessão longa que mantém o contexto do projeto e decisões anteriores. Ele rascunha a especificação e não escreve código. Cada Goldfish é um subagente sem estado. Ele lê apenas o rascunho e os arquivos que referencia”, descreve o README do EGM.

Depois do rascunho, entram os “Goldfish”: subagentes sem histórico, criados do zero, que não têm acesso à conversa original, apenas à especificação e aos arquivos apontados ali. Essa falta de memória é justamente o que o Google explora para reduzir viés e “slop” — quando o agente começa a repetir padrões imprecisos por causa do acúmulo de contexto.

Revisão em cinco etapas e ranking de falhas

O processo de revisão do EGM é estruturado em cinco etapas sequenciais. Cada fase admite, no máximo, uma reauditoria, o que força o agente a ser objetivo na correção de problemas apontados pelos Goldfish. Se o ambiente em que o plugin está rodando não tiver suporte a subagentes, o fluxo é interrompido.

Os achados dos revisores são classificados em três níveis: Blocker (erros que impedem seguir para a implementação), Major (problemas relevantes, mas contornáveis) e Nit (detalhes menores, de aprimoramento). Só depois de a especificação passar por esse funil é que o agente de codificação é liberado para escrever o código correspondente.

Mais adiante, um comando específico gera um relatório de deriva, que compara o código produzido com a especificação original. A documentação recomenda a equipes que executem esse relatório semanalmente para manter o projeto alinhado ao que foi combinado no design.

Entenda o contexto

Ferramentas que usam IA para programar já estão espalhadas por empresas de tecnologia e startups, acelerando a entrega de funcionalidades. Mas, à medida que os agentes ficaram mais poderosos e as sessões mais longas, cresceu também o risco de o sistema perder o fio da meada, misturar requisitos e tomar decisões com base em suposições erradas.

Outros frameworks já tentam organizar o trabalho de agentes em fases ou dividir responsabilidades entre subagentes, normalmente com humanos revisando a especificação. O EGM dá um passo além ao padronizar uma fase de design obrigatória e automatizar parte pesada da revisão com revisores “zerados” de contexto.

Quais ferramentas de IA para código já são suportadas?

Na largada, o plugin foi anunciado com suporte inicial à plataforma Antigravity e hoje traz integrações documentadas com Antigravity CLI e App, Claude Code, Claude Cowork, Codex, ChatGPT, omp e Muse.

Testes automatizados já confirmam fluxos fim a fim funcionando em Antigravity CLI, Claude Code e Codex. No caso de Claude Code, é exigida a versão 2.1.271 ou superior, e os revisores trabalham com um conjunto restrito de ferramentas de leitura e busca em arquivos. Determinados arquivos de configuração, como CLAUDE.md, ficam fora do contexto dos Goldfish para evitar interferências.

O projeto está na forma de plugin, o que facilita a adaptação a outros ambientes de desenvolvimento e agentes conforme a comunidade contribuir com novos harnesses.

Qual o impacto para engenheiros e empresas de software?

Para equipes que já se apoiam em agentes de IA para acelerar a escrita de código, a principal mudança está no processo: em vez de ir direto para a implementação e descobrir problemas na etapa de revisão humana, o agente é forçado a explicitar sua compreensão do problema.

Isso beneficia engenheiros que lidam com bases de código grandes ou sistemas críticos, ao reduzir retrabalho e a chance de bugs que nascem de uma leitura equivocada dos requisitos. Ao mesmo tempo, adiciona disciplina a fluxos que hoje são mais soltos, o que pode ser visto como burocracia extra por times acostumados a experimentação rápida.

A adoção interna por milhares de engenheiros do Google, somada ao interesse da comunidade de aprendizado de máquina — refletido em grupos com cerca de 150 mil membros discutindo novidades do setor — indica espaço para que o EGM vire referência ou inspire ferramentas semelhantes em outras empresas.

No médio prazo, a tendência é que camadas de design e revisão automatizada como a do Elephant-Goldfish influenciem não só a evolução dos agentes de código, mas também a formação de desenvolvedores, que terão de se acostumar a especificar melhor antes de implementar.