Amplificador, Não Piloto Automático: Meu Ecossistema de Estudos de Programação com IA

Estava assistindo a uma análise da engenheira Karol Attekita em seu vídeo sobre a divisão do mercado tech, e uma frase me chamou muita atenção: o rio não secou, mudou de leito.

A tese dela é que o mercado em 2026 não morreu, mas sofreu uma divisão profunda. De um lado, demissões em posições de entrada focadas em tarefas repetitivas, telas simples e CRUDs padronizados, coisas que a inteligência artificial hoje entrega em segundos. Do outro lado, sobram vagas abertas para quem domina sistemas complexos, arquitetura, automação e segurança. O desenvolvimento de software não ficou mais simples nem menos técnico. Pelo contrário, ganhou camadas novas de abstração, como Spec-Driven Development e arquiteturas de agentes.

Nas minhas próprias pesquisas e na rotina de estudos, tenho percebido esse contraste com cada vez mais força. Para quem está aprendendo a programar agora, isso cria uma encruzilhada perigosa.

Com um comando de prompt, qualquer modelo de linguagem resolve os exercícios do CS50 de Harvard ou as listas de lógica da faculdade em instantes. Mas se eu usar essa facilidade para pular o esforço intelectual, estou apenas me treinando para ser substituível amanhã.

Por isso, tanto na Fatec quanto no CS50x, decidi inverter essa lógica: em vez de pedir para a IA me entregar o código pronto, uso a tecnologia como amplificador de contexto, pesquisa e fixação, mantendo 100% da construção do raciocínio nas minhas mãos.

A rotina que construí no dia a dia é o resultado prático dessa escolha, conectando o que vejo em sala de aula até a automação de memória e gestão de ferramentas.

Da lousa ao Obsidian: o que faço quando a aula da faculdade acaba

Nas aulas da Fatec, a primeira decisão acontece antes mesmo de ligar o computador: o formato do registro depende do que está acontecendo na sala.

Quando a aula é expositiva e acompanhada por slides conceituais, digito direto no Obsidian em Markdown. Mas quando o professor vai para a lousa desenhar estruturas de dados, fluxos de execução, representações de memória ou diagramas relacionais, prefiro papel e caneta. A flexibilidade do desenho livre para capturar conexões espaciais e setas lógicas em tempo real ainda supera qualquer teclado.

O ponto principal é o que acontece depois da aula. As anotações do papel não vão para uma gaveta. Eu levo esse material para o Obsidian, onde roda uma rotina automatizada com apoio de IA para me ajudar em quatro etapas bem definidas:

Primeiro, ela reorganiza as ideias dispersas. Muitas vezes o professor faz uma observação no final da aula que amarra um conceito do começo, e o script conecta esses pontos estruturando títulos claros e diagramas visuais em Mermaid.

Segundo, e essa é uma das partes mais úteis: durante a explicação em sala, sempre que surge um conceito confuso que não deu tempo de tirar dúvida na hora, anoto essa pergunta diretamente no meio do texto:

[DÚVIDA:: Por que quando passo um array pra uma função em C o sizeof só mostra o tamanho do ponteiro (8 bytes) em vez do tamanho total da lista? Lembrar de testar no código.]

Em vez de deixar essa dúvida esquecida, o agente lê essa marcação específica e busca em documentações oficiais uma contextualização rápida, trazendo a regra formal e um exemplo prático.

Mas existe uma regra inegociável nesse processo: a IA apenas organiza e contextualiza. Depois que o documento é enriquecido, leio a nota completa linha por linha com calma para re-aprender o conteúdo. Sem essa leitura ativa, a nota vira apenas um arquivo bonito ocupando espaço no disco.

Anki e repetição espaçada: como evito esquecer a sintaxe no dia seguinte

Anotar bem e revisar no mesmo dia ajuda muito, mas o cérebro humano tem uma facilidade enorme de descartar regras de sintaxe e detalhes técnicos se não for provocado com frequência.

Para resolver isso, levo esses conceitos para o Anki, usando o algoritmo FSRS (Free Spaced Repetition Scheduler), que calcula o intervalo exato de revisão para cada cartão dependendo da minha facilidade ou dificuldade ao responder.

Aqui muita gente cai numa armadilha clássica: pedir para uma IA qualquer “gerar 10 cartões de perguntas e respostas sobre a aula”. O resultado costuma ser desastroso: textos longos, respostas óbvias e decoreba passiva que não dura uma semana.

Prefiro seguir os princípios clássicos de formulação de conhecimento do Piotr Wozniak. Os cartões precisam ser atômicos, cobrindo apenas um fato ou uma relação de causa e efeito através de lacunas pontuais (clozes). O foco não é memorizar definições prontas, mas entender como o código quebra e como o compilador reage.

Na prática, um cartão gerado pelo fluxo fica assim:

Em C, a função malloc retorna {{c1::NULL}} quando {{c2::não há memória suficiente disponível no heap}}, exigindo validação defensiva antes de usar o ponteiro.

Para não perder tempo copiando e colando dezenas de cartões manualmente, conectei essa rotina diretamente à API local do AnkiConnect, que roda na porta 8765 do meu computador. O agente formata os cartões a partir da nota revisada e injeta tudo no baralho certo via chamadas HTTP locais. Minha única tarefa matinal é abrir o aplicativo e fazer as revisões do dia.

O desafio do C no CS50: desenhar na lousa antes de encostar no teclado

No CS50x de Harvard, o nível de exigência sobe bastante. Atualmente estou na Semana 4, que é a virada para a linguagem C pura, lidando com ponteiros, alocação de memória com malloc e manipulação direta de endereços na RAM.

Aqui o compilador é implacável. Se você não souber exatamente para onde um ponteiro aponta ou o que acontece com um byte na memória, o programa fecha na hora com uma falha de segmentação (segmentation fault). Terceirizar a resolução desses exercícios para uma IA seria o caminho mais rápido para criar uma falsa sensação de competência e não aprender computação de verdade.

Para acompanhar as aulas longas e densas do professor David J. Malan, comecei a usar transcrições aumentadas. A transcrição automática em áudio vem com pequenos erros fonéticos e texto corrido, enquanto as notas oficiais cortam boa parte dos exemplos práticos. Peço então para a IA cruzar as duas fontes, gerando um material limpo, com os slides certos inseridos no momento em que o professor fala e os trechos de código formatados.

Com esse material aberto, meu processo antes de codificar é bem visual: antes de encostar um dedo no teclado para escrever exercícios clássicos como o cálculo de troco (Cash) ou manipulações de matrizes, abro uma lousa digital. Desenho como os loops vão rodar, onde os ponteiros começam e quais são as condições de parada.

Só depois de enxergar a lógica na tela é que abro o VS Code Spaces oficial do curso para digitar. E não tem sensação melhor do que rodar os testes automatizados do curso no terminal e ver o check50 retornar inteiramente verde, sabendo que cada linha foi pensada e depurada por mim.

Outra adaptação que fiz foi no método de foco: em vez de cortar o raciocínio a cada 25 minutos no Pomodoro clássico, sigo a minha carga mental real. Se estou focado em um problema difícil de ponteiros, fico até 2 horas direto sem pausas forçadas. No final da sessão, sempre deixo uma nota curta de bastidor no meu diário: “Hoje apanhei da sintaxe de aritmética de ponteiros, achei interessante o comportamento do buffer”. Esse histórico me mostra com clareza onde estou tropeçando e o que preciso reforçar.

Meu setup diário: múltiplos modelos rodando por R$ 24 ao mês

Existe um mito de que ter um ambiente de estudos avançado com inteligência artificial exige gastar fortunas em múltiplas assinaturas todo mês. Na prática, montei uma bancada muito eficiente gastando cerca de R$ 24 mensais através de orquestração inteligente:

Como ambiente principal de desenvolvimento, uso o Google Antigravity, aproveitando o plano Pro para estudantes (que custa por volta de R$ 24 ao mês). Além de me dar acesso amplo aos modelos mais recentes da família Gemini, o pacote inclui um bom espaço de armazenamento no Google Drive, que compartilho com a minha família.

Quando preciso fazer pesquisas aprofundadas em tópicos mais complexos de arquitetura, coloco o Deep Research do Gemini 3.8 Flash e o modo investigativo do Qwen 3.8 Max para rodar. Relatórios de pesquisa profunda costumam vir cheios de ruído superficial e repetições. É aí que uso os agentes no Antigravity para comparar as duas fontes, filtrar redundâncias e resumir apenas o núcleo técnico verificado.

Meu interesse pelas tecnologias chinesas veio dos meus estudos de mandarim, e o DeepSeek me surpreendeu muito pelo custo-benefício em tarefas de raciocínio. No VS Code, utilizo a extensão Zoo Code conectada à API do DeepSeek (modelos V3 e 4.1 Flash). Quando as cotas do ambiente primário atingem o limite temporário, essa API assume o trabalho como contingência, custando centavos por milhão de tokens.

Por fim, uso o NotebookLM como cofre fechado de consulta para documentações oficiais e livros técnicos em PDF. Ele garante que as respostas fiquem restritas às fontes confiáveis que eu subi, além de gerar resumos em áudio que gosto de ouvir enquanto caminho.

Limites e segurança: por que não deixo agentes soltos na minha máquina

Participar recentemente da conferência de segurança Hack’a Valley 2026, no Vale do Paraíba, me fez olhar para o uso de IA com uma postura muito mais cuidadosa e defensiva.

Modelos de linguagem conectados a ferramentas do sistema operacional não são mágicos, mas sim sistemas probabilísticos. Se você deixa um agente rodar comandos no seu terminal ou varrer páginas da web sem travas, você está abrindo portas para problemas reais, como ataques de injeção de prompt indireta (indirect prompt injection). Uma instrução maliciosa hospedada em uma página qualquer pode desviar o objetivo do agente e tentar rodar scripts indesejados no seu sistema.

Para evitar surpresas, sigo diretrizes bem definidas no meu fluxo diário. Em primeiro lugar, agentes de leitura e pesquisa operam sempre com permissões mínimas, em modo estritamente somente leitura. Em segundo lugar, nenhuma ação que altere arquivos críticos, remova diretórios ou execute chamadas de rede roda sem a minha confirmação explícita no teclado (Human-in-the-Loop). Por fim, qualquer conteúdo externo vindo da web passa por filtros de limpeza antes de entrar no contexto dos modelos.

Aprender a programar cercado por agentes de IA também significa aprender a governar essas ferramentas com rigor técnico.

O próximo passo: fugir dos tutoriais com estudo socrático

Assistir a tutoriais em vídeo dá uma sensação confortável de progresso. O professor digita, o código compila na tela e parece tudo muito claro. Mas o teste de verdade acontece quando você fecha a janela do vídeo, abre um arquivo em branco no editor e percebe que não sabe por onde começar.

O plano para quando eu terminar o CS50x e fechar o primeiro semestre da Fatec é dar mais um passo rumo ao estudo ativo: adotar tutores com o método socrático para guiar meu aprendizado autodidata.

A ideia é alimentar o modelo com roadmaps validados e documentações oficiais, deixando que ele atue como um tutor exigente. Em vez de me entregar explicações prontas, a IA vai fazer perguntas sobre a lógica, apresentar pequenos códigos quebrados para eu corrigir e calibrar os exercícios de acordo com a minha Zona de Desenvolvimento Proximal (ZPD). O avanço para o próximo tópico só acontece quando o código e o raciocínio estiverem comprovadamente dominados na prática.

A ferramenta acelera, mas quem precisa aprender sou eu

O mercado de tecnologia de 2026 não está carente de pessoas que sabem digitar comandos em um chat para gerar códigos automáticos. O que falta são profissionais com capacidade analítica, que entendem como sistemas quebram, como a memória se comporta e como desenhar soluções seguras.

A inteligência artificial é uma das maiores aliadas que um estudante de computação pode ter hoje, desde que seja usada para tirar o trabalho burocrático da frente e abrir espaço para o que realmente importa: o atrito de pensar.

Aprender programação de verdade dá trabalho e exige paciência. Mas quando você usa as ferramentas para potencializar o seu esforço, e não para fugir dele, a base que você constrói fica sólida para o resto da jornada.