Triage de Alucinações e Causa Raiz
Processo de engenharia sistemático para análise de erros em modelos de IA: diagnóstico de defeitos de contexto, identificação de conflitos em prompts e fixação de regras sistêmicas, em vez da repetição inútil das solicitações.
1. Visão geral do conceito e problema sistêmico
Quando um agente invoca um método inexistente ou utiliza uma biblioteca que não está presente no projeto, a reação típica de um vibe coder inexperiente é a raiva e exclamações emocionais no chat: "Você é burro?! Eu disse para usar Drizzle, não Prisma!".
- Isso leva ao acúmulo de "lixo emocional" no contexto da conversa.
- O modelo começa a pedir desculpas, mas continua cometendo erros, pois a causa raiz não foi eliminada.
Hallucination Triage é uma abordagem fria e de engenharia: tratar as alucinações do modelo não como "burrice da IA", mas como um defeito no sistema de entrega de contexto (Context Delivery Bug), passível de classificação e correção sistemática.
2. Taxonomia arquitetural e modelo mental
┌─────────────────────────────────────────────────────────────┐
│ MATRIZ DE TRIAGEM DE ALUCINAÇÕES │
├─────────────────────────────────────────────────────────────┤
│ 1. DETECÇÃO: O modelo gerou um método ou tipo inexistente │
│ • Exemplo: `db.user.findFirstOrThrow()` no Drizzle ORM │
├─────────────────────────────────────────────────────────────┤
│ │ │
│ ▼ DIAGNÓSTICO DA CAUSA RAIZ │
│ ┌───────────────────────────────────────────────────┐ │
│ │ Tipo A: Arquivo ausente? ➔ O modelo não viu o schema │ │
│ │ Tipo B: Conflito de regras? ➔ As regras mencionam Prisma│ │
│ │ Tipo C: Conhecimento desatualizado? ➔ Treinamento do modelo é de 2023 │ │
│ └───────────────────────────────────────────────────┘ │
│ │ │
│ ▼ CORREÇÃO SISTEMÁTICA │
│ 1. Adicionar o arquivo exato de tipos ao prompt │
│ 2. Fixar a proibição nas rules: "NEVER use Prisma syntax" │
│ 3. Adicionar validação via compilador `tsc --noEmit` │
└─────────────────────────────────────────────────────────────┘
3. Cenários práticos de engenharia em produção
01. Eliminação de alucinações via arquivos de declaração
O agente inventava constantemente props para um componente interno de botão. Em vez de dar explicações, o desenvolvedor criou um arquivo src/components/ui/button.d.ts com tipos TypeScript explícitos e o adicionou à lista de contexto automático. Os erros desapareceram 100%.
02. Protocolo "Post-Mortem para bugs de IA"
Após resolver um bug complexo, o engenheiro gasta 2 minutos atualizando .agents/rules/learnings.md:
"Neste projeto, o router Next.js usa Server Actions sem chamadas manuais de fetch. Não gere rotas-handler desnecessárias para mutações simples.".
4. Armadilhas, erros comuns e segurança
- Over-Correction (Hipercompensação): Ao tentar corrigir uma pequena alucinação, o engenheiro escreve uma regra gigante de 50 linhas em caixa alta, proibindo o modelo de usar padrões auxiliares úteis. As regras devem ser cirurgicamente precisas.
- Ignorar versões dos modelos: Se o modelo tiver capacidade de raciocínio muito baixa (por exemplo, um modelo antigo de 3B parâmetros), nenhum triage ajudará a resolver tarefas complexas. Às vezes, a única cura é trocar por um modelo mais potente.
5. Conclusão estratégica para o engenheiro de 2026
A alucinação é um espelho da qualidade da sua documentação de engenharia. Se o modelo alucina, significa que seu sistema era insuficientemente determinístico. O triage sistemático transforma cada erro em um tijolo na fundação da confiabilidade do seu repositório.
FAQ: Triage de Alucinações e Causa Raiz
Termos relacionados
Alucinações de IA (Hallucinations & Confabulations)
Geração, por um modelo de linguagem, de informações factualmente incorretas, inventadas ou inexistentes (bibliotecas, métodos de API, citações), apresentadas com alta confiança probabilística.
Prompt Fatigue
A psychological and cognitive state of developer burnout caused by the constant need to translate technical intent into ambiguous natural language, repeat context, and repeatedly rephrase prompts.
Regras de Agente (.cursorrules / CLAUDE.md / AGENTS.md)
Arquivos de especificações e restrições arquitetônicas legíveis por máquina no repositório, montados automaticamente no contexto do sistema dos agentes de IA para evitar a degradação da base de código.
Degradação de Contexto (Context Rot & Attention Decay)
Redução sistêmica da precisão, do seguimento de instruções e da coerência lógica dos LLMs à medida que se acumulam no contexto de trabalho ruído de diálogo, rascunhos de código obsoletos e saídas do compilador.