Projeto Loop

Aqui vive um agente de Loop Engineering (DeepSeek Flash): ele melhora sistemas em ciclos contínuos e verificáveis — lê o objetivo, propõe UMA mudança pequena, testa, mede, decide (mantém ou reverte) e registra. Sem intervenção humana a cada passo.

Este repositório é o modelo em si — o Loop Engineer completo (contrato, regras de ouro, ferramentas de verificação e agente), pronto para receber um sistema alvo e rodar ciclos.

---

Autor: George Herman Becker Gestor em TI — Estácio Início: 11/09/2026

Apoie o autor:

• PIX: a8b68e14-edfe-4450-88f2-c2af4aca2a6c
• Buy Me a Coffee: https://buymeacoffee.com/georgehbecker
• LinkedIn: https://www.linkedin.com/in/georgehbecker/

---

Loop Engineering — o coração do projeto

Um agente opera em ciclos: lê o contrato (program.md), propõe UMA hipótese pequena, aplica a mudança, roda a verificação, mede a métrica principal e decide — ACEITO (mantém e atualiza a linha de base) ou REJEITADO (reverte na hora) — registrando tudo no log. O ciclo repete até a meta, dentro de limites definidos.

Um ciclo de verdade, do começo ao fim (exemplo):

Iteração 1
- Hipótese: trocar a biblioteca moment.js por date-fns
- Arquivos: workspace/lib/date.ts, workspace/package.json
- Métrica antes: 312 kB  →  depois: 298 kB  (melhoria de 4,49%)
- Comandos de verificação: todos passaram
- Decisão: ACEITO — a linha de base vira 298 kB; o próximo ciclo parte daqui

Iteração 2
- Hipótese: remover um import não utilizado de lodash
- Métrica antes: 298 kB  →  depois: 298 kB  (não melhorou)
- Decisão: REJEITADO — a mudança é revertida e nada entra na linha de base

As vantagens na prática:

• Melhoria medida, não "achada": cada iteração tem número antes/depois; o que não melhora é revertido.
• Zero regressão silenciosa: a linha de base só avança quando a métrica melhora de verdade.
• Rede de segurança total: hipótese pequena + ponto de retorno antes de cada ciclo — reverter é um comando só.
• Decisão objetiva: critérios de aceite/rejeição escritos no contrato — não é opinião nem promessa da IA.
• Conhecimento que não se perde: o log.md guarda cada tentativa (hipótese, arquivos, métricas, decisão).
• Autonomia sem risco: o agente só mexe no que o contrato permite (dentro de workspace/); o resto é proibido e bloqueado.
• Ganho acumulado: melhorias aceitas se somam — o avanço compõe a cada ciclo.
• Custo controlado: limites de parada (meta, iterações, rejeições seguidas) e temperatura baixa (consistência).
• Um contrato, dois "cérebros": funciona hoje com o agente do chat e amanhã com o runner autônomo (API DeepSeek).

Onde está: meu-loop-agente/ — contrato (program.md), configuração de máquina (config_loop.json), linha de base (baseline.json), log (log.md), comportamento do agente (system_prompt.md) e o verificador (verificar_iteracao.py). Guia de uso: meu-loop-agente/README.md.

---

O que tem aqui (por enquanto)

• docs/REGRAS_DE_OURO.md — as melhores regras, sintetizadas, para todo projeto de dados (Python + SQL + arquitetura moderna).
• meu-loop-agente/ — o coração do projeto: o agente de Loop Engineering (contrato, métrica, log e verificador para ciclos de melhoria contínua; ele só mexe em meu-loop-agente/workspace/).
• .env / .env.example — configuração pronta (caminhos, banco de dados, APIs), sem segredo no repositório.
• .githooks/ — ganchos de proteção do git: bloqueiam o .env no commit e no envio ao remoto (ativar em um clone novo: git config core.hooksPath .githooks ou .githooks\instalar.ps1).
• Pastas-base prontas para crescer: data/raw, data/processed, data/descartados, notebooks.

Estrutura prevista (vai evoluir com o projeto)

projeto_loop/
├── .env / .env.example        # configuração (nunca commitar o .env)
├── .githooks/                 # ganchos de proteção (bloqueiam .env no commit e no envio)
├── README.md                  # este arquivo
├── docs/                      # documentação e regras de ouro
├── meu-loop-agente/           # agente de Loop Engineering (contrato, log, workspace, verificador)
├── data/
│   ├── raw/                   # dados brutos (nunca alterar)
│   ├── processed/             # dados tratados/limpos
│   └── descartados/           # fora de circulação (nunca apagar)
├── notebooks/                 # análises exploratórias (.ipynb)
├── src/                       # código reutilizável (cresce depois)
└── sql/                       # consultas e schemas SQL (cresce depois)

Requisitos

• Python 3.8+ — o verificador do agente usa somente a biblioteca padrão (sem dependências externas por enquanto; veja requirements.txt).
• Git — com os ganchos de proteção ativos (git config core.hooksPath .githooks).
• Node.js — opcional; necessário apenas se o projeto alvo for o exemplo Next.js do program.md.

Comece por aqui

1. Leia docs/REGRAS_DE_OURO.md — é o contrato do projeto (a Parte IV é o guia do agente de Loop Engineering).
2. Para operar o agente: leia meu-loop-agente/README.md — contrato, comandos e como rodar um ciclo.
3. O .env já está criado neste projeto (e nunca vai ao git); em um clone novo, copie .env.example para .env e ajuste os valores (caminhos, banco, chaves).
4. Use data/raw para o que vier bruto e data/processed só para o que for tratado e validado.
5. Nunca apague dado: se não servir mais, mova para uma pasta de descarte (ex.: data/descartados/).

---