Seis engenheiros, seis fluxos de trabalho de IA — sem seguir uma configuração uniforme e popular, cada engenheiro personaliza seu fluxo de trabalho com base em seu estilo pessoal, combinando intuição humana com inteligência artificial para alcançar uma colaboração eficiente. (Autora: @RheaPurohit1) O artigo explora o fluxo de trabalho diário dos seis engenheiros da @every, revelando como eles desenvolvem software de forma eficiente usando um conjunto de ferramentas personalizado na era da IA. Como uma equipe pequena (apenas seis pessoas), eles mantêm simultaneamente quatro produtos de IA (como o organizador de arquivos Sparkle, o assistente de e-mail Cora, a ferramenta de reutilização de conteúdo Spiral e o aplicativo de transcrição de fala Monologue), serviços de consultoria e um boletim informativo diário para mais de 100.000 leitores. A principal ideia do artigo é que a IA não é uma panaceia, mas sim um amplificador. Os engenheiros aceleram o desenvolvimento usando ferramentas como Claude Code e Codex por meio de um ciclo fechado de planejamento, execução e revisão, mas sempre enfatizando o foco, a supervisão e o acompanhamento humano para evitar a "ilusão" ou os vieses da IA. 1. Yash Poojary (Gerente Geral da Sparkle): Equilibrando Experimentação e Gestão de Limites Yash passou de uma operação em "máquina única" para processamento paralelo em duas máquinas: um Mac Studio executando o Claude Code e o outro usando o Codex. Ele testou as diferenças sob as mesmas instruções para acelerar a iteração. O design da interface do novo Sparkle foi importado diretamente para a IA por meio da integração com o Figma MCP, evitando capturas de tela manuais. As ferramentas diárias incluíam um terminal Warp e um documento de "notas de aprendizado" (acumulando contexto na nuvem). Para evitar distrações, ele criou seu próprio aplicativo AgentWatch para monitorar conversas multiagentes e as dividiu em modos de "execução pela manhã, exploração à tarde" para garantir que o resultado não se desviasse do objetivo. 2. Kieran Klaassen (Gerente Geral da Cora): Ciclo Fechado Orientado por Planejamento Kieran considera o planejamento como uma "âncora da verdade", usando o Claude Code para gerar planos de três níveis (funções pequenas/médias/grandes) e integrando-os ao Context 7 MCP. Após o plano ser enviado para o GitHub, ele é transformado em tarefas de IA: o Claude Code é o principal responsável pelo desenvolvimento orientado a controles, enquanto o Codex ou o Amp lidam com a lógica complexa. Ao término, o Claude Code, juntamente com ferramentas como o Cursor, revisa o código, formando um ciclo iterativo até a implantação. Esse processo garante a confiabilidade do Cora (uma ferramenta de e-mail com IA) e incorpora uma abordagem sistemática "do planejamento à entrega". 3. Danny Aziz (Gerente Geral da Spiral): Detalhamento dos Marcos Liderados pela CLI Danny programa 70% do seu código no Droid CLI: o GPT-5 Codex cuida do planejamento de funcionalidades principais, antecipando "consequências de segunda e terceira ordem" (como gargalos no banco de dados) e dividindo-as em etapas. O Warp gerencia a multitarefa em tela dividida, e o editor Zed revisa os detalhes. Ele abandonou o Cursor, optando por uma configuração simples de tela única, adicionando o Figma para tela dupla apenas durante a fase de design. Isso o ajudou a reformular rapidamente o Spiral, destacando o papel da IA no gerenciamento da complexidade. 4. Naveen Naidu (Gerente Geral da Monologue): O processo é a verdade. Naveen utiliza o Linear como ferramenta central de gerenciamento de projetos, unificando o arquivamento de todos os requisitos (Discord/e-mail, etc.) para rastreabilidade. Após a migração para o Codex, tarefas pequenas envolvem a cópia manual do contexto para a nuvem para iniciar o agente; tarefas grandes utilizam a CLI do Codex para escrever um arquivo plan.md como modelo. A execução é dividida em brainstorming baseado na nuvem (geração de PRs e exploração de casos extremos) e builds locais (terminal Ghostty + backend Cursor). A revisão inclui as ferramentas integradas do Codex, comparação manual e verificação de logs do Sentry. Seu Monologue (transcrição de voz) desenvolvido por ele mesmo é utilizado em todo o processo para instruções verbais, aumentando a eficiência. Isso incorpora a filosofia de "rastreabilidade e monitoramento de ponta a ponta". 5. Andrey Galko (Supervisor de Engenharia): Minimalista, comprometido com a eficiência. Andrey evitou correr atrás de ferramentas e confiou no Cursor por muito tempo, mas mudou para o Codex devido a limitações de cota. O código inicial da OpenAI era "preguiçoso", mas melhorou significativamente após o GPT-5: ele se destaca em lógica não visual e geração de interfaces de usuário, rivalizando com a criatividade do Claude Code. Ele elogia a OpenAI por "romper com a hegemonia do código da Anthropic", aderir ao princípio de "usar o que é utilizável", focar na entrega de MVPs (Produto Viável Mínimo) e ser adequado para uma função de liderança de equipe. 6. Nityesh Agarwal (Engenheiro da Cora): Focado em tarefas de thread única, com supervisão semelhante à de uma águia. Nityesh executa o Claude Code em um MacBook Air, dedicando tempo previamente à pesquisa do código-fonte e ao desenvolvimento de um plano detalhado. Ele se concentra intensamente em um único terminal enquanto programa para evitar interferências de múltiplos agentes, interrompendo frequentemente a IA para buscar explicações, reduzindo ilusões e aprimorando suas próprias habilidades. Seu mecanismo de revisão de Pull Requests no GitHub é único: comentários humanos são importados para o terminal do Claude Code para correções coletivas. Isso o expõe a riscos de dependência quando o Claude Code "trava", mas também reforça sua crença de que "confiança requer supervisão". O Cursor/Warp é usado apenas como uma ferramenta auxiliar. Implicações Gerais: O artigo sobre o poder coletivo de stacks personalizadas não é meramente uma lista de ferramentas de IA, mas sim uma demonstração de como a IA pode evoluir de "assistência" para "núcleo", embora ainda necessite de intervenção humana (como modos de foco e ciclos de revisão). O sucesso de cada stack deriva da diversidade: do fervor experimental de Yash à simplicidade de Andrey, cada stack pode diferir, mas todas compartilham uma mentalidade de circuito fechado e gerenciamento de contexto. Isso inspira desenvolvedores: a IA pode acelerar a produção em dez vezes, mas, em última análise, o sucesso ou o fracasso são determinados pela "colaboração humano-IA". Endereço do artigo:
