--- title: "5 dicas para usar AI no seu dia a dia como Dev Senior" description: "Cinco dicas praticas de como um senior usa AI no dia a dia - MCPs para contexto, escolha de modelos por tarefa, automacao de testes e docs, protecao de dados sensiveis e saber quando nao usar AI." author: Bruno Germano lang: pt-BR canonical: https://egermano.com/artigos/2025-10-02-5-dicas-programar-com-ai-senior date: "2025-10-02 10:00:00 -0300" updated: "2026-01-14 12:00:00 +0000" --- # 5 dicas para usar AI no seu dia a dia como Dev Senior Uso AI diariamente no meu trabalho como desenvolvedor. Nao como hype ou experimento, mas como ferramenta de produtividade — igual uso o terminal, Git ou meu editor. Neste post, compartilho 5 praticas que adotei para extrair valor real de AI no dia a dia, sem perder qualidade ou controle do codigo. O ponto-chave: AI e uma ferramenta, nao um substituto. Saber quando usar, qual modelo escolher e como dar contexto adequado separa quem perde tempo de quem ganha produtividade. ## 1. Use MCPs para dar contexto real ao modelo A maior limitacao de AI e alucinacao — inventar codigo, APIs ou arquivos que nao existem. MCPs (Model Context Protocol) resolvem isso conectando o modelo diretamente ao seu ambiente. O que muda na pratica: - Modelo le seus arquivos reais em vez de adivinhar estrutura - Acessa seu banco de dados para gerar queries corretas - Consulta issues e PRs do GitHub para entender contexto - Busca documentacao interna no Notion ou Confluence MCPs que uso diariamente: | MCP | Uso | | ------------ | ----------------------------- | | Filesystem | Ler/navegar codigo do projeto | | GitHub | Contexto de issues e PRs | | Postgres | Gerar queries com schema real | | Brave Search | Pesquisar docs e solucoes | Como configurar (exemplo para Claude Code): ```json { "mcpServers": { "filesystem": { "command": "npx", "args": ["-y", "@anthropic/mcp-server-filesystem", "/path/to/project"] }, "github": { "command": "npx", "args": ["-y", "@anthropic/mcp-server-github"], "env": { "GITHUB_TOKEN": "seu-token" } } } } ``` Dica: comece com filesystem apenas. Ja muda completamente a qualidade das respostas. ## 2. Escolha o modelo certo para cada tarefa Nem toda tarefa precisa do modelo mais caro. Otimizo custo e velocidade escolhendo o modelo adequado: | Tarefa | Modelo que uso | Por que | | ---------------------------- | ----------------------------- | --------------------------------- | | Autocomplete enquanto digito | Codestral / modelo local | Latencia baixa, custo zero | | Explicar codigo ou debug | Claude Sonnet | Bom raciocinio, custo ok | | Refatoracao complexa | Claude Sonnet | Equilibrio qualidade/custo | | Decisoes de arquitetura | Claude Opus | Preciso do melhor raciocinio | | Gerar testes em massa | GPT-4o-mini | Volume alto, qualidade suficiente | | Tarefas simples/repeticoes | Modelo mais barato disponivel | Nao precisa de "inteligencia" | Na pratica, 80% do meu uso e com Sonnet. Opus so para decisoes criticas onde erro custa caro. Ferramentas que faciliam isso: - **Claude Code / Cursor**: permite trocar modelo por tarefa - **Continue.dev**: configuracao de modelos por tipo de acao - **OpenRouter**: API unica para multiplos modelos ## 3. Automatize tarefas repetitivas AI brilha em tarefas que sao tediosas mas seguem padroes. Identifico essas oportunidades e deixo AI fazer o trabalho pesado. **Geracao de testes unitarios:** Passo a funcao e o contexto, AI gera testes cobrindo casos principais e edge cases. O que levava 30 minutos vira 5 minutos (incluindo revisao). ``` "Gere testes unitarios para a funcao X. Considere: casos de sucesso, erros de validacao, edge cases com valores nulos. Use o padrao de testes existente em /tests como referencia." ``` **Atualizacao de documentacao:** Depois de um PR grande, peco para AI sugerir updates no README ou docs de API baseado no diff. ``` "Analise as mudancas deste PR e sugira atualizacoes necessarias para a documentacao em /docs. Mantenha o estilo existente." ``` **Migrations e refactors em massa:** Renomear variaveis, atualizar imports, migrar de uma API para outra. AI aplica o padrao em dezenas de arquivos enquanto eu reviso. ``` "Refatore todos os arquivos em /src/components para usar o novo hook useAuth em vez de useContext(AuthContext). Mantenha o comportamento identico." ``` Regra: sempre reviso o output antes de commitar. AI acelera, mas a responsabilidade e minha. ## 4. Proteja dados sensiveis Quando uso AI com codigo de trabalho, tomo cuidados com dados sensiveis: **O que nunca envio:** - Credenciais, tokens, secrets - Dados de clientes (PII) - Codigo proprietario critico sem autorizacao - Informacoes de infraestrutura interna **Como me protejo:** - Uso modelos com politica clara de nao-treinamento (Claude, GPT-4 API) - Prefiro modelos locais para codigo muito sensivel - Removo dados reais antes de enviar exemplos - Verifico politicas da empresa antes de usar ferramentas novas Exemplo: se preciso debugar uma query com dados de cliente, substituo os valores reais por dados fake antes de colar no chat. ```sql -- Antes (NAO enviar): SELECT * FROM users WHERE email = 'cliente.real@empresa.com' -- Depois (OK enviar): SELECT * FROM users WHERE email = 'teste@exemplo.com' ``` ## 5. Saiba quando NAO usar AI AI nao e a resposta para tudo. Aprendi a reconhecer quando ela atrapalha mais do que ajuda: **Evito AI quando:** - Preciso aprender algo novo profundamente (AI da atalho, mas nao ensina) - O problema exige conhecimento muito especifico do dominio - Estou explorando solucoes e preciso pensar criativamente - O codigo e critico e preciso entender cada linha - A tarefa e tao simples que abrir o chat demora mais que fazer **Prefiro AI quando:** - Tarefa e repetitiva e segue padrao claro - Preciso de boilerplate ou scaffold inicial - Quero uma segunda opiniao rapida - Estou debugando algo e quero hipoteses - Preciso traduzir entre linguagens/frameworks A tentacao e jogar tudo para AI. Mas tempo gasto revisando codigo ruim ou corrigindo alucinacoes as vezes e maior do que fazer do zero. ## Conclusao Minhas 5 praticas para usar AI como senior: 1. **MCPs** - De contexto real ao modelo (filesystem, GitHub, DB) 2. **Modelo certo** - Escolha baseado na tarefa, nao no hype 3. **Automatize** - Testes, docs, refactors em massa 4. **Proteja dados** - Nunca envie secrets ou PII 5. **Saiba parar** - AI nao e resposta para tudo A diferenca entre usar AI como junior e como senior: junior usa para tudo esperando magica; senior usa como ferramenta, sabendo exatamente quando ela agrega e quando atrapalha. Comece por uma coisa: configure o MCP de filesystem no seu editor e veja como as respostas melhoram quando o modelo realmente "ve" seu projeto.