Método Short Leash: mantendo agentes de IA de programação sob controle estrito

O Leash não é uma ferramenta, biblioteca ou framework, é um método operacional para uso de agentes de IA em desenvolvimento de software crítico. Criado por Greg Slepak, mantenedor de sistemas de segurança no okTurtles, ele exige que o desenvolvedor sênior assuma o papel ativo de 'guardião do loop': cada sugestão do agente passa por análise humana em tempo real via diff explícito, com permissões granulares e commits por subtarefa. Diferentemente de abordagens baseadas em orquestração automática (como os 12 agentes paralelos citados no artigo-fonte), o Leash rejeita qualquer forma de 'vibe coding', ou seja, deixar o agente rodar sem supervisão contínua. Ele pressupõe domínio técnico profundo: só quem entende o códigobase o suficiente para detectar regressões sutis, ineficiências arquiteturais ou desvios de contrato pode aplicá-lo com segurança.

O método se alinha com a engenharia de adequação descrita em abril artigo original, mas vai além ao formalizar a intervenção humana como parte obrigatória do fluxo, não como fallback, mas como nó central. Também complementa os 'sensores de manutenibilidade' de maio artigo original: enquanto sensores automatizados (linting, type checking) corrigem sintaxe e tipagem, o Leash lida com qualidade semântica, intenção de design e coerência evolutiva, dimensões que nenhum modelo atual consegue avaliar sozinho.

Antes, a CEVIU havia mapeado tendências, como o risco do vibe coding artigo original ou a necessidade de 'pull requests para IA' artigo original, mas sem propor um protocolo executável. O Leash é a primeira especificação prática, testada em produção, que transforma essas advertências em rotinas concretas: revisão linha a linha pelo autor humano, negação explícita de permissões no momento do diff, e obrigatoriedade de AI Disclosure em PRs. Não é mais teoria ou alerta: é um checklist operacional validado em sistemas de segurança crítica.

Porque o Leash coloca um limite técnico claro ao que IA pode fazer sozinha, e isso define onde começa a responsabilidade humana. Em tempos de modelos cada vez mais capazes, ele resgata a engenharia de software como disciplina de decisão consciente, não de delegação cega. Para equipes que já usam agentes, é um antídoto contra a erosão da DX: evitar a sensação de 'não entender o que o agente fez', que leva à desconfiança e ao abandono da ferramenta. Para líderes técnicos, é um padrão para auditar processos de entrega com IA, não só 'foi usado?', mas 'como foi usado?'.