General Hill-Climbing: o framework de resolução de problemas que usa IA como motor

O texto de Daniel Miessler, publicado em danielmiessler.com, defende que existe um único loop principal em IA, aplicável de construir software a gerir praticamente qualquer coisa. Ele batiza o loop de General Hill-climbing. A estrutura tem etapas encadeadas: definir o estado atual e o ideal em um documento central (o TELOS), detalhar o estado ideal de uma tarefa específica, criar Evals que meçam progresso ou regressão, executar o trabalho com IA e, por fim, revisar o próprio sistema.

O argumento central é que boa parte das falhas de IA hoje não vem da execução. Vem da dificuldade de quem pede em articular o que quer. Miessler descreve três camadas: a ideia na cabeça (a verdade de base), o artefato que a captura (voz ou texto) e o projeto construído. A IA só enxerga o artefato, então tudo que se perde na captura se perde no resultado. Ele sugere que uma ou três horas de ditado sobre o Ideal State Artifact podem não ser exagero em projetos grandes.

Os Evals entram como conjunto de checagens para saber se algo está bom. O exemplo é um relatório com cinco critérios, que passou em 4 de 5. O autor lembra que a regra é livre: 4/5 pode ser "bom", mas não se o critério de precisão falhar. Se o resultado passa em tudo e ainda assim desagrada, é sinal de que os Evals precisam ser atualizados.

A cobertura anterior do CEVIU toca temas vizinhos, mas não há evolução do mesmo projeto ou produto. Em 6 de agosto de 2026, o CEVIU noticiou "Nova Proposta de Arquitetura Agentic Harness Eleva Agentes de IA à Produção", e em 12 de outubro de 2026, "Framework HUMAN: Otimize a colaboração entre humanos e IA". São propostas distintas, de outros autores ou contextos, e servem só como referência de que frameworks para trabalhar com IA vêm se multiplicando.

Para quem opera agentes ou usa IA no dia a dia de desenvolvimento, a leitura prática é que o gargalo se desloca para a especificação e para a medição. Isso sugere investir tempo em descrever bem o resultado esperado e em escrever checagens objetivas antes de pedir qualquer entrega à IA. É uma opinião do autor, não um método validado, mas a lógica conversa com práticas de testes que times de software já conhecem.