juzleaf/metodologia-de-falha-de-hipoteses

O que metodologia-de-falha-de-hipoteses faz?

Encontre as suposições escondidas em seu código — não apenas os bugs que elas causam.

Visão Geral

Esta metodologia ajuda você e seu agente de IA a identificar suposições implícitas no código que podem levar a falhas inesperadas. Em vez de apenas corrigir bugs quando eles aparecem, ela permite que você exponha e questione as crenças ocultas que tornam seu software frágil.

Por que usar isso?

Bugs são apenas sintomas. As verdadeiras causas são as suposições que você faz sobre:

• Estados de entrada
• Ordem de execução
• Disponibilidade de recursos
• Comportamento de dependências
• Condições ambientais

Ao tornar essas suposições explícitas, você pode evitar bugs inteiros antes que eles aconteçam.

Como funciona

1. Analise seu código em busca de suposições não declaradas (ex: valores fixos, falta de validação, dependências de estado)
2. Identifique padrões de falha potenciais para cada suposição
3. Documente as descobertas em um relatório estruturado
4. Mitigue adicionando verificações explícitas, testes ou tolerância a falhas

Exemplo

def calculate_discount(price, user):
    # Suposição: user sempre tem um campo 'loyalty'
    return price * 0.9 if user['loyalty'] else price

Suposição oculta: user sempre tem a chave 'loyalty'. Falha potencial: KeyError se o dicionário do usuário não contiver essa chave.

Mitigação: Use user.get('loyalty', False) ou valide a entrada.

Plataformas Suportadas

• Claude Code
• Cursor
• Codex
• Qualquer agente de IA que processe código

Como usar com seu agente

Inclua esta habilidade em sua configuração de agente e peça para ele:

"Analise este código em busca de suposições ocultas e liste potenciais cenários de falha."

O agente irá:

1. Escanear o código
2. Marcar suposições implícitas
3. Explicar os riscos
4. Sugerir correções

Contribuindo

Sinta-se à vontade para enviar PRs com melhorias, exemplos ou suporte para mais linguagens de programação.