Voltar para Trilha 3
Modulo 3.5

Projeto aplicado integrador (Capstone)

Do design doc a implementacao completa. Pipeline multiagente, spec-driven, com qualidade e governanca aplicadas.

1

📋 Do design doc a implementacao - Planejamento completo de feature real

O que e:

O processo completo de planejar e implementar uma feature real com IA: do design doc inicial, passando pela especificacao estruturada, decomposicao em tasks, implementacao assistida e validacao contra criterios de aceite.

Por que aprender:

O capstone integra todas as habilidades do curso num projeto real. Nao e exercicio descartavel - e uma ferramenta ou sistema que o aluno vai usar no dia a dia. A validacao e contra criterios reais de producao.

Conceitos-chave:

Design doc, spec-driven planning, task decomposition, iterative implementation, acceptance criteria, production readiness.

2

🔄 Pipeline multiagente - Spec → code gen → test gen → review → deploy

O que e:

Implementar um pipeline completo com agentes especializados: spec agent gera a especificacao, code agent implementa, test agent gera testes, review agent revisa e deploy agent integra. Cada estagio com quality gates.

Por que aprender:

Este e o padrao de producao para desenvolvimento com IA em 2026. Construir um pipeline funcional demonstra dominio de todas as disciplinas do curso: contexto, agentes, MCP, qualidade e governanca.

Conceitos-chave:

Multi-agent pipeline, stage gates, artifact passing, quality gates, feedback loops, rollback, end-to-end automation.

3

🎯 Opcao A: AI Dev Toolkit Pessoal - Assistente de desenvolvimento customizado

O que e:

Construir um assistente de desenvolvimento pessoal combinando: MCP server para seu repo principal, RAG sobre documentacao interna, agente de code review customizado e sistema de memoria com checkpoints.

Por que aprender:

Uma ferramenta real que o aluno vai usar no dia a dia. Integra MCP, RAG, agentes e context engineering num produto funcional, nao num exercicio descartavel.

Conceitos-chave:

Custom MCP server, personal RAG, code review agent, memory system, checkpoint/restore, daily workflow integration.

4

🎯 Opcao B: Pipeline de modernizacao - Sistema de analise e migracao de legado

O que e:

Sistema que, dado um repo legado: analisa e mapeia codebase (agente de discovery), gera relatorio de divida tecnica com priorizacao, propoe plano de migracao em etapas, executa primeira etapa com supervisao humana e gera testes de regressao.

Por que aprender:

Modernizacao de legado e o problema mais comum em empresas reais. Um pipeline automatizado de analise e migracao tem valor imediato e demonstra dominio de leitura assistida, refatoracao e qualidade.

Conceitos-chave:

Codebase discovery agent, tech debt scoring, migration planning, supervised execution, regression test generation, incremental migration.

5

🎯 Opcao C: Dev Knowledge Assistant - RAG + agentes para time real

O que e:

RAG + agentes para time real: indexa documentacao, PRs, ADRs e postmortems. Interface via Slack ou Telegram. Responde perguntas tecnicas com citacao de fontes. Sabe quando nao sabe. Aprende com feedback.

Por que aprender:

Resolve o problema real de knowledge silos em times. Integra RAG, agentes, feedback loop e deployment. Tem valor imediato para qualquer time de engenharia.

Conceitos-chave:

Knowledge base indexing, source citation, confidence calibration, feedback loop, Slack/Telegram integration, continuous learning.

6

✅ Criterios de avaliacao - Funciona, revisado, testado, documentado, seguro

O que e:

Os criterios de avaliacao do capstone: funciona e resolve problema real, codigo revisado (nao vibe coded), testes com cobertura minima 70%, documentacao tecnica (ADR, README, diagramas), seguranca aplicada e apresentacao de 15 minutos.

Por que aprender:

Os criterios refletem o padrao de producao real. Nao basta funcionar - precisa ser mantivel, testado, documentado e seguro. A apresentacao de decisoes tecnicas e trade-offs e a habilidade que diferencia senior de junior.

Conceitos-chave:

Production readiness checklist, code review standards, test coverage requirements, documentation standards, security audit, technical presentation.

Opcoes de Capstone (escolher 1)

Opcao A

AI Dev Toolkit Pessoal (2 semanas)

Assistente de desenvolvimento pessoal combinando: MCP server para seu repo principal, RAG sobre documentacao interna, agente de code review customizado, sistema de memoria com checkpoints. Entrega: ferramenta real que o aluno vai usar no dia a dia, nao exercicio descartavel.

Opcao B

Pipeline de modernizacao automatizado (2 semanas)

Sistema que, dado repo legado: (1) analisa e mapeia codebase (agente de discovery), (2) gera relatorio de divida tecnica com priorizacao, (3) propoe plano de migracao em etapas, (4) executa primeira etapa com supervisao humana, (5) gera testes de regressao automaticamente.

Opcao C

Dev Knowledge Assistant para equipe (2 semanas)

RAG + agentes para time real: indexa documentacao, PRs, ADRs, postmortems. Interface via Slack ou Telegram. Responde perguntas tecnicas com citacao de fontes. Sabe quando nao sabe e diz isso. Aprende com feedback (thumbs up/down).

Criterios de avaliacao

  • Funciona e resolve um problema real (nao e toy project)
  • Codigo revisado (nao vibe coded)
  • Testes automatizados com cobertura minima 70%
  • Documentacao tecnica: ADR, README, diagramas
  • Seguranca e governanca aplicadas (sem secrets, com permissoes)
  • Apresentacao de 15 minutos explicando decisoes tecnicas e trade-offs