O problema do código escrito linha a linha por um LLM
Um modelo de linguagem produz o código mais provável, não necessariamente o correto. À escala de um ficheiro de demonstração, resulta. À escala de uma aplicação: um esquema de base de dados, dezenas de ecrãs, relações, regras: os pequenos erros acumulam-se: uma propriedade de componente que não existe, uma relação mal nomeada, um campo apresentado que não corresponde a nenhuma coluna.
A armadilha é que este código parece correto. Lê-se bem, às vezes compila, é implementado, e falha no uso. Ora, o único critério que conta para uma aplicação é binário: funciona, ou não funciona.
Separar a compreensão da fabricação
O Blueprint Maker reparte o trabalho conforme aquilo que cada parte sabe fazer melhor. A IA concebe o esquema de negócio: compreende o seu domínio, nomeia as entidades, deduz as relações e as regras. É um trabalho de compreensão, e a linguagem natural destaca-se nele.
Mas não redige o código. Produz uma especificação estruturada, um esquema de negócio em formato JSON. Depois, um motor determinista, escrito uma vez e testado, transforma essa especificação em código: esquema Prisma, ecrãs Next.js, rotas, painéis. O mesmo esquema à entrada produz sempre o mesmo código à saída.
- A IA compreende o domínio → um esquema de negócio (não código)
- O motor garante a conformidade técnica → o código
- Mesma entrada, mesma saída: reproduzível
Correto por construção
É o cerne do método. As propriedades dos componentes nunca são adivinhadas pelo modelo: é o motor que as define, a partir do esquema, segundo regras fixas. Uma coluna de tabela, uma relação, um formato de data: tudo é derivado, não inferido. Onde um LLM pode inventar uma opção que não existe, o motor conhece apenas o que existe.
Antes mesmo de sair, o esquema passa por uma porta de validação: é verificado e, se necessário, corrigido, até ser válido. Não se fabrica código sobre uma base instável.
Validado em condições reais antes da entrega
Escrever código correto não basta: é preciso prová-lo. Cada aplicação é construída, iniciada e percorrida automaticamente antes de chegar até si: o código é compilado, a aplicação lançada a sério, a navegação testada ecrã a ecrã. É a nossa porta de validação em tempo de execução, e é o nosso único critério de qualidade automatizado que não mente.
A percentagem de aplicações que passam o conjunto destas verificações nos últimos sete dias é publicada, datada, na nossa página de Fiabilidade. Poucos geradores de aplicações com IA mostram uma medida destas, porque poucos têm uma forma determinista de a produzir.
E um valor apresentado não deveria poder mentir
A mesma exigência estende-se aos dados. Um total, uma média, um estado derivado: estes valores são recalculados no servidor a partir das suas entradas, para que um número apresentado não possa contradizer aquilo de que decorre. A coerência não é deixada ao acaso de um registo.
No fim, o que recebe é código-padrão real (Next.js + Prisma) que lhe pertence, fabricado por um método que visa a correção em vez da verosimilhança. É toda a diferença entre uma aplicação que parece funcionar e uma aplicação que funciona.