Ensinando design de produto para agentes na Vercel

A Vercel não está apenas treinando agentes para gerar código, está ensinando-os a tomar decisões de design com base em contexto explícito, não em padrões copiados. O cerne disso é o sistema product-design, que vive no repositório como código: um conjunto estruturado de habilidades (skills), lint rules e um ciclo de atualização alimentado por evidências reais de Slack, Figma e GitHub. Diferente de prompts genéricos ou fine-tuning cego, essa abordagem codifica o 'porquê' das decisões, por exemplo, por que modais aninhados são proibidos (quebra de navegação por teclado) ou por que botões de ação destrutiva exigem verbos canônicos ('Excluir', não 'Remover'). O DESIGN.md, parte desse sistema, é uma especificação executável: define temas claro/escuro, cores, tipografia, espaçamento em grid de 4px, regras de cópia e comportamentos interativos, tudo legível tanto por humanos quanto por agentes.

O lançamento do eve em 17 de junho de 2026 reforça essa direção: é um framework open source que permite definir o comportamento de agentes diretamente na estrutura do projeto, alinhando-se à filosofia de 'agentes nativos'. Já o Vercel para Enterprise Apps and Agents, também lançado em 17 de junho de 2026, oferece governança completa do ciclo de vida dos agentes, desde criação no v0 até acesso controlado a dados via APIs, com segurança herdada automaticamente (MFA, rastreabilidade, políticas de acesso). Isso responde a um salto real: 52% das implantações na infraestrutura da Vercel agora são de agentes de codificação, e o tráfego de tokens no AI Gateway subiu de 2 para 20 trilhões por mês em seis meses.

Agentes que só replicam código geram UI funcional, mas não consistente nem sustentável. Sem compreensão do 'porquê', eles repetem erros antigos, ignoram acessibilidade, violam padrões de interação e quebram sistemas de design. A abordagem da Vercel resolve isso transformando conhecimento tácito, que antes morava em reuniões, comentários de PR e mensagens no Slack, em artefatos versionáveis, revisáveis e executáveis. Isso significa que um agente pode justificar uma sugestão de código com referência direta a references/interface-quality.md ou a um exemplar documentado em exemplars/. Não é mais 'achismo' de IA: é decisão ancorada em evidência coletada, validada e revisada por humanos.

Para equipes, isso reduz a fricção entre design e engenharia. As regras de lint operam em tempo real, dando feedback imediato durante o desenvolvimento, não depois, em revisão. E o ciclo de atualização semanal garante que as diretrizes evoluam junto com o produto, não fiquem obsoletas. É um modelo replicável: qualquer time pode montar sua própria estrutura product-design com seus próprios padrões, sem depender de modelos fechados ou de fine-tuning caro.

Desenvolvedores passam menos tempo corrigindo inconsistências de UI, revisando cópia ou explicando padrões de interação em reuniões. As linters do product-design detectam automaticamente problemas como espaçamento fora do grid de 4px, nomes de classes que sobrescrevem estilos do design system ou falta de nomes acessíveis em ícones, com correções sugeridas ou aplicadas. O Vercel Agent integra-se ao fluxo de PR, validando sugestões em sandbox seguro com os builds e testes reais do repositório antes de postar qualquer patch.

O v0, já acessível publicamente, acelera a ideação com geração de componentes React baseados em Shadcn/UI a partir de descrições em linguagem natural, e aceita importação direta de designs do Figma. Já o AI SDK fornece uma camada unificada para tool-calling e agentes, permitindo integrar facilmente classificação, sumarização ou extração de dados em aplicações. Com o eve, é possível definir comportamento de agente como código-fonte, não como configuração remota, o que aumenta a previsibilidade e o controle sobre o que o agente faz e como aprende.