Como criar um pipeline de IA: Rascunho, Crítica, Revisão

Um Pipeline executa vários modelos de IA em sequência, em que cada etapa trabalha sobre o resultado da etapa anterior. Em vez de pedir a um único modelo que escreva, verifique e corrija tudo em uma só resposta, você divide o trabalho em etapas: Rascunho, Crítica, Revisão e, opcionalmente, Polimento. Cada etapa tem uma tarefa, então o resultado melhora passo a passo em vez de tudo de uma vez.

Este guia mostra o que é um Pipeline, quando ele supera um único prompt, como montar um etapa por etapa e como ele se diferencia do Time e do Juiz.

O que é um pipeline de IA?

Um Pipeline é um fluxo de trabalho sequencial. Você atribui um modelo a cada etapa, e o resultado de uma etapa se torna a entrada da próxima. Uma cadeia comum é Rascunho para Crítica para Revisão, com uma etapa opcional de Polimento no fim.

Pense nele como uma redação editorial. Um modelo escreve a primeira versão. Um segundo modelo lê essa versão e aponta o que está fraco, faltando ou errado. Um terceiro modelo pega tanto o rascunho quanto a crítica e produz uma versão melhorada. Uma etapa final pode ajustar o tom e a formatação. Cada passagem leva o trabalho adiante, e assim a qualidade vai se somando.

Isso é diferente de enviar o mesmo prompt para vários modelos ao mesmo tempo. Em um Pipeline, os modelos não competem nem rodam em paralelo. Eles cooperam em ordem, cada um retomando de onde o anterior parou.

Quando um pipeline supera um único prompt?

Use um Pipeline quando a tarefa naturalmente tem mais de uma etapa e a primeira tentativa raramente é a resposta final. Um único prompt pede que um modelo faça tudo em uma só passagem, o que mistura o rascunho e a autocorreção na mesma resposta. Isso funciona para pedidos curtos e simples. Mas tem dificuldade quando o trabalho exige uma revisão de verdade.

Um Pipeline se sai melhor em três casos comuns:

• Escrita. Faça o rascunho de um artigo ou e-mail, critique-o quanto a clareza e lacunas e depois revise. A etapa de crítica capta as afirmações vagas e o contexto que faltou e que a etapa de rascunho deixou passar.
• Código. Faça o rascunho de uma função, critique-a quanto a casos extremos e segurança e depois revise para torná-la mais robusta. Separar "escrever" de "quebrar" revela bugs que uma única passagem costuma pular.
• Análise. Faça o rascunho de um resumo ou de uma recomendação, critique o raciocínio e as premissas e depois revise para chegar a uma conclusão mais enxuta.

O ponto em comum é que a etapa de crítica faz um trabalho que o modelo do rascunho não faria bem sozinho. Pedir a um modelo que encontre falhas no próprio resultado recém-criado, na mesma resposta, é mais fraco do que dar a uma etapa separada uma única tarefa: desmontar tudo.

Como montar um pipeline passo a passo

No aiDex, você abre o aiDex e inicia um Pipeline. A ordem em que você escolhe os modelos corresponde às etapas. Veja como configurar cada papel.

1. Escolha um modelo para o Rascunho. Esta etapa produz a primeira versão. Escolha um bom gerador, com amplitude. Para escrita, um modelo de fronteira capaz oferece uma primeira passagem rica para você partir dela. Para código, escolha um modelo com forte capacidade de programação. O rascunho não precisa ser perfeito, ele precisa ser completo o suficiente para ser criticado.

2. Escolha um modelo para a Crítica. Esta etapa lê o rascunho e aponta os problemas. Ela não reescreve nada. Um bom modelo de crítica é afiado no raciocínio e disposto a ser direto. Usar um modelo diferente aqui é justamente o ponto: um segundo conjunto de pesos percebe coisas que o primeiro modelo aceitou. Se você não tem certeza de qual modelo raciocina melhor para a sua tarefa, nosso guia Qual modelo de IA para qual tarefa? ajuda a combinar modelos com papéis.

3. Escolha um modelo para a Revisão. Esta etapa pega o rascunho e a crítica e produz uma versão melhorada. Escolha um modelo que siga instruções de perto e escreva com clareza, já que a tarefa dele é aplicar as correções com fidelidade em vez de inventar um novo rumo.

4. Opcionalmente, acrescente uma etapa de Polimento. Use um modelo final para ajustar tom, formatação e consistência sem mudar o conteúdo. Um modelo rápido e barato costuma bastar aqui.

Depois é só digitar seu prompt, enviar e acompanhar o resultado sendo refinado ao longo da cadeia. Você pode usar OpenAI, Anthropic (Claude), Google (Gemini), DeepSeek ou um modelo local pelo Ollama em qualquer etapa. Use as suas próprias chaves de provedor ou as que a gente gerencia, e escolha os modelos que quiser.

Por que usar modelos diferentes em cada etapa?

Misturar modelos é um recurso, não uma complicação. Cada modelo tem seus próprios pontos fortes e seus próprios pontos cegos. Um modelo que rascunha lindamente pode ser concordante demais para criticar o próprio estilo. Um modelo que raciocina a fundo sobre casos extremos pode escrever de forma dura. Ao atribuir modelos diferentes ao Rascunho, à Crítica e à Revisão, você aproveita a força de cada um onde ela importa e evita que a fraqueza de um único modelo domine todo o resultado.

Usar um único modelo em todas as etapas também funciona, e é um ótimo ponto de partida. Mas a etapa de crítica fica visivelmente mais útil quando um modelo novo lê o rascunho, porque ele não tem apego às escolhas feitas pelo modelo do rascunho.

Exemplo prático: tornar um trecho de código mais robusto

Digamos que você queira uma função confiável de validação de entrada.

• Rascunho: "Escreva uma função que valide e normalize o endereço de e-mail de um usuário." O modelo do rascunho devolve uma primeira versão funcional.
• Crítica: o próximo modelo lê essa função e aponta os problemas: ela ignora domínios internacionalizados, não remove espaços em branco, não tem limite de tamanho e não tem testes.
• Revisão: o terceiro modelo pega a função mais essa lista e devolve uma versão mais robusta que trata cada ponto.
• Polimento (opcional): um modelo final acrescenta comentários de documentação e uma nomenclatura consistente.

Você termina com um código que já passou por uma revisão, sem ter escrito a revisão você mesmo. O mesmo padrão funciona para texto: faça o rascunho do ensaio, critique-o quanto a argumentos fracos e revise-o para algo mais enxuto.

Dicas para papéis de etapa fortes

• Dê a cada etapa uma única tarefa. Não peça à etapa de crítica que também reescreva. Manter os papéis bem definidos é o que faz a cadeia funcionar.
• Faça a etapa de crítica ser dura. Uma crítica educada produz uma revisão preguiçosa. Você quer os pontos fracos apontados sem rodeios.
• Combine o modelo com o papel, não apenas com a tarefa. O melhor rascunhista nem sempre é o melhor crítico.
• Mantenha o Polimento leve. Se a sua etapa de Polimento está reescrevendo conteúdo, a etapa de Revisão não terminou a tarefa dela.

Pipeline x Time x Juiz: qual usar?

Esses três modos usam mais de um modelo, mas se diferenciam na forma como os modelos se relacionam entre si.

• Pipeline é refinamento sequencial. Os modelos rodam em ordem e cada um melhora o resultado do anterior. Use-o quando o trabalho precisa de etapas: rascunho, depois crítica, depois revisão.
• Time é uma mesa-redonda. Personas nomeadas discutem juntas com um moderador atento ao consenso. Use-o quando você quer os modelos reagindo uns aos outros em conversa, em vez de passar o trabalho adiante numa linha. Veja Como criar um time multi-IA.
• Juiz distribui um prompt para um painel e depois sintetiza as respostas em um único melhor resultado. Use-o quando você quer várias tentativas independentes combinadas, e não refinadas em etapas.

Se o seu objetivo é um artefato final polido construído por meio de revisão, recorra ao Pipeline. Se o seu objetivo é debate ou uma única resposta sintetizada, recorra ao Time ou ao Juiz. Para um mapa mais completo de quando combinar modelos, veja Fluxos de trabalho de IA multimodelo.