Kanbino - O Motor de IA do Synkrony
Kanbino é o agente de IA que alimenta o Modo AI do Synkrony. Ele combina o poder do Claude da Anthropic com uma arquitetura especializada para entender sua codebase, planejar implementações e executar tarefas de desenvolvimento de forma autônoma.
Para habilitar essa funcionalidade entre em contato com o time comercial
Como o Kanbino Funciona
O Kanbino opera através de um pipeline bem definido que transforma descrições de tarefas em código pronto para produção:
Descrição → Análise → Planejamento → Revisão → Execução → Pull Request → Feedback
Componentes Principais
1. Pipeline de Execução
O PipelineJob orquestra todo o fluxo:
- Gerencia as transições de estado
- Coordena os jobs de planejamento e execução
- Lida com erros e retentativas
- Rastreia o progresso em tempo real
2. Análise de Contexto
Antes de começar, o Kanbino analisa seu projeto:
- Estrutura de arquivos: Entende a organização do código
- Padrões e convenções: Detecta estilo de código, nomenclatura
- Dependências: Identifica libraries e frameworks utilizados
- Histórico de commits: Aprende com o padrão de commits da equipe
3. Motor de Planejamento
O PlanJob gera o plano de implementação:
- Analisa o requisito da tarefa
- Propõe uma estratégia de implementação
- Lista arquivos que serão modificados/criados
- Identifica possíveis pontos de atenção
4. Motor de Execução
O ExecuteJob implementa o código:
- Segue o plano aprovado passo a passo
- Lê e escreve arquivos
- Executa comandos do projeto (testes, linters)
- Cria commits organizados
- Gera Pull Request completo
Ciclo de Vida de uma Execução
Toda execução do Kanbino passa por estados bem definidos:
Estados de Execução
pending → planning → waiting_plan_approval → executing → pr_created → done
↑ ↓
└── replanning ← waiting_user_changes
| Estado | Descrição |
|---|
pending | Tarefa criada, aguardando início |
planning | IA está gerando o plano de implementação |
waiting_plan_approval | Plano pronto, aguardando sua revisão |
waiting_user_changes | IA aguardando seu feedback sobre o plano |
replanning | IA está revisando o plano com seu feedback |
executing | IA está implementando as mudanças |
pr_created | Pull Request foi criado |
done | Tarefa concluída |
blocked | Execução bloqueada (requer intervenção) |
canceled | Execução cancelada pelo usuário |
awaiting_user_response | IA aguardando resposta a uma pergunta |
Fluxo de Revisão
A revisão é o coração do Kanbino. É onde você garante qualidade e direcionamento antes que a IA comece a implementar.
Revisão via Interface Synkrony
A forma principal de interação é através do dialog do Kanbino no Synkrony:
1. Chat em Tempo Real
Durante todo o processo, você conversa com a IA através de um chat:
- Mensagens da IA: A IA explica o que está fazendo
- Perguntas da IA: A IA faz perguntas para esclarecer requisitos
- Suas respostas: Você pode responder, pedir alterações ou aprovar
2. Revisão do Plano
Quando o plano está pronto, você pode:
- ✅ Confirmar: Aprovar o plano e iniciar execução
- 🔄 Pedir alterações: Solicitar mudanças no plano
- ❓ Fazer perguntas: Esclarecer pontos do plano
3. Acompanhamento da Execução
Durante a execução, você vê em tempo real:
- Arquivos sendo lidos e modificados
- Comandos sendo executados
- Saída dos comandos (testes, linters)
- Progresso das etapas
Revisão via GitHub
Após a execução, o Pull Request é criado no GitHub para revisão padrão:
Pull Request Automático
O PR criado pela IA inclui:
- Título: Formato
[SW-123] Descrição da tarefa
- Descrição: Explicação das mudanças realizadas
- Commits: Organizados por etapa do plano
- Arquivos: Todas as modificações criadas/novas
Fluxo de Code Review
- Revise as mudanças como faria com qualquer PR
- Comente sugestões ou correções necessárias
- Solicite alterações se precisar de ajustes
- Aprove quando estiver satisfeito
Importante: O PR passa pelo mesmo processo de revisão que qualquer PR criado por um humano.
Sistema de Perguntas e Respostas
Durante o planejamento, o Kanbino pode fazer perguntas para entender melhor o requisito:
Quando a IA Faz Perguntas
- Requisitos ambíguos ou incompletos
- Múltiplas abordagens possíveis
- Decisões que dependem de preferências da equipe
- Pontos que não estão claros na descrição
Como Responder
Responda no chat do Kanbino:
- Respostas diretas: “Prefiro usar React Query em vez de useState”
- Esclarecimentos: “O campo deve ser obrigatório apenas se o usuário selecionar a opção X”
- Exemplos: “O comportamento deve ser similar ao formulário de criação de projeto”
Impacto no Plano
Suas respostas ajudam a IA a:
- Refinar a abordagem técnica
- Definir melhor os requisitos
- Evitar mal-entendidos
- Criar um plano mais preciso
Feedback e Melhoria Contínua
O Kanbino aprende com feedback para melhorar continuamente.
Feedback Pós-Execução
Após o merge do PR, você pode avaliar o trabalho:
Avaliação por Estrelas
| Avaliação | Quando Usar |
|---|
| ⭐⭐⭐⭐⭐ | Tudo funcionou perfeitamente, nenhum ajuste necessário |
| ⭐⭐⭐⭐ | Pequenos ajustes feitos, trabalho de qualidade |
| ⭐⭐⭐ | Algumas correções necessárias, mas abordagem correta |
| ⭐⭐ | Revisão extensa necessária, abordagem parcialmente incorreta |
| ⭐ | Não funcionou, abordagem incorreta |
Comentários Textuais
Além das estrelas, você pode deixar comentários:
- O que funcionou bem
- O que pode ser melhorado
- Problemas específicos encontrados
- Sugestões para o futuro
Como o Feedback é Usado
- Análise de padrões: Identificamos casos onde a IA performa bem ou mal
- Ajustes de prompt: Melhoramos as instruções dadas à IA
- Treinamento: Feedbacks são usados para calibrar o sistema
- Métricas de qualidade: Acompanhamos satisfação ao longo do tempo
O Kanbino se integra profundamente com o GitHub:
Antes da Execução
- Lê o repositório para entender o código
- Analisa histórico de commits
- Estuda padrões da equipe
Durante a Execução
- Executa comandos do projeto (testes, linters)
- Cria branches e commits
- Aplica mudanças no código
Após a Execução
- Cria Pull Request automaticamente
- Adiciona comentários no PR
- Sincroniza status com o Synkrony
Eventos do GitHub são processados para:
- Atualizar status da tarefa no Synkrony
- Coletar feedback de revisão
- Detectar merge do PR
- Disparar solicitações de feedback
Tratamento de Erros
O Kanbino possui mecanismos robustos de tratamento de erros:
Tipos de Erro
| Tipo | Descrição | Recuperação |
|---|
| Erro transitório | Falha de rede, timeout | Tentativa automática |
| Erro de validação | Plano reprovado | Requer intervenção |
| Erro de execução | Comando falhou | Tentativa com ajuste |
| Erro crítico | Falha irrecuperável | Marca como blocked |
Recuperação Automática
- Retentativas: Erros transitórios são automaticamente re-tentados
- Ajuste de estratégia: A IA tenta alternativas quando comandos falham
- Retomada: Execução pode ser retomada do ponto de falha
Intervenção Manual
Quando a recuperação automática não é possível:
- Execução é marcada como
blocked
- Você pode revisar o erro
- Retomar a execução manualmente
- Ou cancelar e tentar novamente
Boas Práticas para Desenvolvedores
Para Obter Melhores Resultados
- Descrições detalhadas: Quanto mais contexto, melhor
- Tarefas focadas: Divida trabalho grande em tarefas menores
- Revisão atenta: Dedique tempo à revisão do plano
- Feedback honesto: Avalie o trabalho da IA de forma justa
- Pacotes de execução: Execute tarefas similares em lote
Durante a Revisão
- Verifique a compreensão: A IA entendeu o requisito?
- Valide a abordagem: A estratégia técnica faz sentido?
- Confirme os arquivos: Os arquivos listados estão corretos?
- Revise as etapas: O plano está completo?
Durante o Code Review
- Revise como qualquer PR: Não dê tratamento especial por ser IA
- Teste o código: Execute e valide as mudanças
- Comente construtivamente: Ajude a IA a aprender
- Solicite alterações quando necessário: Não aprove se não estiver bom
Segurança e Isolamento
O Kanbino foi projetado com segurança desde o início:
Isolamento de Execução
- Cada execução roda em ambiente isolado
- Não há interferência entre execuções simultâneas
- Recursos são limitados e controlados
Controle de Acesso
- Apenas acessa repositórios autorizados
- Segue permissões do usuário que iniciou a tarefa
- Todas as ações são rastreadas em logs
Transparência
- Todas as mudanças ficam no git
- Histórico completo de conversas com a IA
- Logs detalhados de execução
Code Review Humano
- PRs sempre passam por revisão humana
- Nada é mergeado automaticamente
- Você mantém controle total
Limitações Atuais
O Kanbino é poderoso, mas tem limitações:
O que Funciona Bem
- ✅ Tarefas bem definidas e focadas
- ✅ Refatorações com escopo claro
- ✅ Implementação de features simples
- ✅ Criação de testes
- ✅ Atualizações incrementais
Limitações Conhecidas
- ❌ Tarefas muito grandes ou complexas
- ❌ Mudanças arquiteturais significativas
- ❌ Requisitos vagos ou mal definidos
- ❌ Contexto de múltiplos repositórios
- ❌ Decisões de negócio complexas
Melhorias Contínuas
Estamos trabalhando constantemente em:
- Melhor compreensão de contexto
- Suporte a tasks mais complexas
- Melhor recuperação de erros
- Aprendizado com feedback
❓ FAQ
Kanbino substitui desenvolvedores?
Não. Kanbino é uma ferramenta de produtividade que automatiza tarefas repetitivas, permitindo que desenvolvedores foquem em problemas mais complexos e criativos.
O código gerado é seguro?
O código passa pelo mesmo processo de code review que qualquer PR. Você tem controle total e deve revisar todas as mudanças antes do merge.
Posso confiar nos testes gerados pela IA?
Revise os testes como qualquer outro código. A IA segue padrões do projeto, mas você deve validar a cobertura e a qualidade.
O que acontece se a IA travar?
O sistema detecta execuções travadas e permite retomar ou cancelar. Timeout padrão é de 30 minutos.
Posso executar múltiplas tarefas simultaneamente?
Sim, dependendo do seu plano. Cada execução é independente e isolada.
A IA aprende com meus projetos?
Sim, o Kanbino analisa seu código para entender padrões, convenções e contexto. Esse conhecimento é usado apenas nas suas execuções.
Suporte
Precisa de ajuda com o Kanbino?
O Kanbino está em constante evolução. Novas funcionalidades e melhorias são lançadas regularmente baseadas em feedback dos usuários.
