Um assistente de codificação com IA é uma ferramenta de desenvolvimento que utiliza um modelo de linguagem de grande porte para ajudar a escrever, completar, explicar, depurar ou refatorar código-fonte, normalmente integrada a um editor de código, IDE ou interface de linha de comando. As primeiras versões ofereciam autocompletar linha por linha; em meados da década de 2020, a categoria se expandiu para incluir ferramentas agênticas que podem ler um repositório inteiro, planejar alterações em vários arquivos, executar testes e iterar com supervisão limitada, uma capacidade possibilitada pelo uso de ferramentas.
História
A categoria remonta ao autocompletar estatístico e baseado em regras em IDEs mais antigos, mas a era moderna começou com o GitHub Copilot, anunciado pela GitHub e pela OpenAI em junho de 2021 e construído sobre um descendente ajustado para código do GPT-3. O lançamento público do Copilot em 2022 popularizou sugestões fantasmas inline, treinadas em repositórios de código públicos, e seu modelo subjacente, o Codex, foi avaliado no benchmark HumanEval que a OpenAI introduziu junto com ele. Concorrentes surgiram rapidamente, incluindo o CodeWhisperer da Amazon, o Tabnine e o Ghostwriter da Replit. Uma segunda onda mudou do autocompletar para editores agênticos completos e ferramentas de linha de comando: o Cursor (2023), um editor derivado do VS Code com chat ciente do repositório e edição multi-arquivo, e o Claude Code da Anthropic (2025), um agente de linha de comando com acesso direto ao sistema de arquivos e ao shell. Em 2025, benchmarks como o SWE-bench se tornaram um padrão para medir o quão bem esses agentes resolvem problemas reais do GitHub por conta própria.
Como funciona
A maioria dos assistentes combina um modelo especializado em código com contexto no nível do editor: o arquivo aberto, a posição do cursor, arquivos relacionados e, às vezes, um repositório inteiro indexado para recuperação. Variantes agênticas adicionam uso de ferramentas, permitindo que o modelo leia arquivos, execute um linter ou suíte de testes, rode comandos de shell ou consulte documentação, e então use os resultados para revisar seu próximo passo, um loop que aplica geração aumentada por recuperação e raciocínio passo a passo a um ambiente de desenvolvimento ao vivo. Alguns produtos expõem isso por meio do Protocolo de Contexto de Modelo, permitindo que um assistente se conecte a ferramentas externas e fontes de dados por uma interface padronizada.
Impacto e críticas
Estudos sobre usuários do Copilot, incluindo pesquisas internas da GitHub e acompanhamentos acadêmicos, relataram ganhos de produtividade em tarefas rotineiras, com alguns estudos randomizados descobrindo que desenvolvedores completam tarefas mais de 50% mais rápido, embora os efeitos variem amplamente por tipo de tarefa e nível de experiência. Críticos levantaram preocupações sobre qualidade e segurança do código, já que os modelos podem reproduzir padrões inseguros aprendidos dos dados de treinamento; sobre propriedade intelectual, já que sugestões às vezes reproduziram de perto código licenciado, alimentando disputas mais amplas de direitos autorais de IA; e sobre atrofia de habilidades, a preocupação de que a dependência de código gerado enfraquece a capacidade independente de depuração e design dos programadores. Defensores contra-argumentam que os assistentes liberam os desenvolvedores de código repetitivo e permitem que se concentrem em arquitetura e revisão. Em 2025, o debate se estendeu à prática mais radical do vibe coding, em que um usuário dirige um assistente quase inteiramente em linguagem natural, com pouca revisão manual de código.