Loops. O que todo AI Engineer precisa saber em 2026.

Pare de promptar seus agentes. Comece a desenhar loops que promptam os agentes por você. O modelo mental completo — sem jargão.

Dois dos engenheiros de IA mais sêniores vivos disseram a mesma coisa essa semana, com palavras diferentes. A mensagem foi idêntica:

"Você não deveria mais estar promptando agentes de código. Você deveria estar desenhando loops que promptam seus agentes." — Peter Steinberger

"Eu não prompto mais. Eu tenho loops rodando que promptam e decidem o que fazer. Meu trabalho é escrever loops." — Boris Cherny, Claude Code @ Anthropic

A maioria leu isso e pensou: o que isso significa na prática? Esse playbook quebra tudo em partes simples.

01 O jeito antigo vs. o jeito novo

Nos últimos dois anos, a gente promptava agentes uma tarefa por vez. Você era o loop. Isso está mudando.

02 O que é Engenharia de Loops

Engenharia de Loops é a prática de desenhar ciclos de feedback repetíveis que guiam agentes de IA da tentativa ao resultado verificado — sem intervenção humana constante.

No mais simples, um único agente trabalha em cima de si mesmo: pesquisa, rascunha, checa o rascunho contra a meta, corrige o que está fraco, e roda esse ciclo de novo até o trabalho passar nos requisitos.

Todo loop — simples ou complexo — passa pelas mesmas 5 etapas:

Passou na verificação → entrega. Falhou → loopa de novo. É isso. Todo o resto é só como construir esse ciclo direito.

03 Um agente vs. uma frota

Existem duas escalas de loop:

A estrutura de uma frota pra "construir um app de produtividade":

           ORQUESTRADOR  (dono da missão)
          /        |         \
   Pesquisa   Engenharia      QA
 (especialista)(especialista)(especialista)
       |            |            |
    Web         Code Writer   Test Writer
 Researcher    + Debugger     + Bug Tracker

# Todo agente da árvore roda as mesmas 5 etapas:
# Descobrir > Planejar > Executar > Verificar > Iterar

• Orquestrador é dono da meta.
• Especialistas são donos dos passos.
• Subagentes fazem o trabalho estreito.
• Eval gates garantem que não é slop.

04 Open loops vs. closed loops

Essa é a distinção prática mais importante de 2026.

05 Os 6 blocos de construção de todo bom loop

5 etapas é o conceito. Mas o que você de fato constrói pra fazer rodar? Seis coisas — e tanto Claude Code quanto Codex já entregam todas.

1Automations · o coração do loop

É o que dispara o Descobrir e põe o loop em movimento. Uma automação é o que faz um loop ser um loop de verdade — e não uma rodada que você fez uma vez. Você define um prompt, uma cadência e uma meta.

# Roda numa cadência
/loop "revisa erros novos a cada manhã"

# Vai até uma condição que VOCÊ escreveu ser verdadeira
/goal "todos os testes em test/auth passam e o lint está limpo"
# Aí você vai embora.

2Worktrees · agentes em paralelo sem caos

No segundo em que você roda mais de um agente, arquivos começam a colidir. Dois agentes escrevendo o mesmo arquivo é o mesmo problema que dois devs commitando nas mesmas linhas sem conversar. Um git worktree dá a cada agente seu próprio diretório isolado, no seu próprio branch — mesmo histórico, zero colisão.

3Skills · conhecimento que compõe a cada rodada

Pare de explicar seu projeto do zero toda rodada. Uma skill é uma pasta com um SKILL.md dentro — convenções do projeto, passos de build, o "a gente não faz assim por causa daquele incidente". Escrito uma vez, lido todo loop.

• VISION.md — como o sucesso se parece.
• ARCHITECTURE.md — a stack e a estrutura de pastas.
• RULES.md — o que o agente nunca pode fazer.

4Plugins e connectors · o loop age no seu ambiente real

Um loop que só enxerga o filesystem é um loop minúsculo. Connectors (construídos sobre MCP) deixam o agente ler seu issue tracker, consultar um banco, bater numa API de staging, mandar mensagem no Slack. É a diferença entre um agente que diz "aqui está o fix" e um loop que abre o PR, linka o ticket e avisa o canal quando o CI fica verde — sozinho.

5Subagents · separe o autor do revisor

O modelo que escreveu o código é gentil demais corrigindo a própria lição. Um segundo agente, com instruções diferentes (às vezes outro modelo), pega o que o primeiro se convenceu a ignorar.

• Um agente explora.
• Um agente implementa.
• Um agente verifica contra a spec.

É isso que o /goal faz por baixo: um modelo fresco decide se o loop terminou — não o que fez o trabalho.

6Memory · o loop nunca esquece

A espinha do loop inteiro. Um arquivo markdown, um board no Linear, qualquer coisa que viva fora da conversa única. O modelo esquece tudo entre rodadas. O repo não. O arquivo de memória guarda o que foi tentado, o que passou, o que ainda está aberto — e amanhã de manhã o loop pega de onde parou. Parece simples demais pra importar. Todo loop de longa duração depende disso.

06 Loops reais · exemplos prontos

O Coding Loop

Lê VISION.md + ARCHITECTURE.md
  ↓
Planeja a próxima mudança
  ↓
Edita o código
  ↓
Roda os testes automaticamente
  ↓
Falhou → lê o erro → corrige → re-testa
  ↓
Passou → resume as mudanças → para

O Research Loop

Define a pergunta de pesquisa
  ↓
Busca fontes
  ↓
Resume os achados
  ↓
Verifica afirmações contra as fontes
  ↓
Compara informações conflitantes
  ↓
Sintetiza a resposta final
  ↓
Para quando bater o limiar de confiança

O Content Loop

Tópico + público + objetivo definidos
  ↓
Rascunho criado
  ↓
Agente crítico revisa o rascunho
  ↓
Reescreve com base na crítica
  ↓
Pontua contra os critérios de sucesso
  ↓
Passou → publica · Falhou → reescreve

O Sales Outreach Loop

ICP (perfil de cliente ideal) definido
  ↓
Encontra leads que batem com o perfil
  ↓
Enriquece com dados da empresa
  ↓
Qualifica contra critérios
  ↓
Personaliza a mensagem
  ↓
Revisão de qualidade
  ↓
Envia ou escala pro humano

07 Prompt Engineer vs. Loop Engineer

O gap de habilidade que está se abrindo em 2026:

As ferramentas são as mesmas. A mentalidade é completamente diferente. Prompt engineers pedem output à IA. Loop engineers desenham sistemas que produzem resultados verificados. Os AI engineers mais bem pagos de 2026 não estão escrevendo frases melhores em inglês — estão escrevendo a lógica que governa como agentes descobrem, planejam, checam o próprio trabalho e sabem quando terminaram.

08 O problema do custo (que ninguém fala)

Loops soam ótimos. Aí você vê a conta. O maior problema dos agentes autônomos não é inteligência — é queima de tokens.

Cada retry custa. Cada auto-correção custa. Cada subagente custa. Cada passo de verificação custa. Loops não são difíceis de desenhar — são difíceis de bancar. É exatamente isso que modelos chineses (DeepSeek, Kimi, MiniMax) atacam: tornam loops economicamente viáveis.

09 As 5 partes de todo bom loop · checklist

• Meta — define com precisão o que "pronto" significa.
• Contexto — VISION.md, ARCHITECTURE.md, RULES.md no lugar.
• Ação — só as ferramentas que o agente de fato precisa.
• Feedback — testes, type checks, linters, erros estruturados.
• Condição de parada — quando o loop sabe que terminou.
• Comecei closed antes de abrir.
• Autor e revisor são agentes diferentes.
• Memory persiste entre rodadas (arquivo ou board).