Aulas

Trabalhos e Projetos de Engenharia de Software

Leitura de 3 min

Trabalhos e Projetos de Engenharia de Software

Como funciona

Os trabalhos da disciplina simulam o fluxo real de um time de produto em 2026: especificar → construir com IA → medir → defender as decisões. Em todos eles, o uso de IA é permitido e esperado: o que se avalia é o seu julgamento de engenharia, não a digitação.

Trabalho 1: Engenharia clássica aplicada

Objetivo: dominar a base que os agentes consomem.

  • Escolher um problema real (do campus, da cidade, de um conhecido)
  • Produzir: levantamento de requisitos (funcionais + não-funcionais), histórias de usuário com critérios de aceitação e um diagrama (casos de uso ou classes)
  • Comparar: como esse projeto seria tocado em cascata × Scrum? (1 página)

Entrega: documento (PDF/Markdown). Individual.

Conteúdo de apoio: Engenharia de Software Clássica, Metodologias Ágeis e DevOps

Trabalho 2: Mini-spec + MVP com IA

Objetivo: ir da ideia ao produto no ar.

  • Escrever a mini-spec do MVP (problema, usuário, hipótese, 3 funcionalidades, fora de escopo, métrica de sucesso)
  • Construir com app builder (Lovable/Bolt/v0/Replit) ou agente (Claude Code/Cursor)
  • Publicar (link funcionando!)
  • Registrar o processo: prompts/conversas-chave, o que a IA acertou, o que você teve que corrigir

Entrega: link do MVP + spec + diário de processo (2-4 páginas). Duplas.

Conteúdo de apoio: Criação Rápida de MVPs, Ferramentas de IA para Desenvolvimento

Trabalho 3: Auditoria de código gerado por IA

Objetivo: desenvolver o olhar crítico (a habilidade mais valiosa).

  • Receber (ou gerar) um trecho de aplicação criado por IA com defeitos plantados (vulnerabilidades, dependência inexistente, lógica sutil errada)
  • Encontrar e documentar os problemas: o que é, por que é grave, como corrigir
  • Corrigir usando um agente: dirigindo a correção com prompts precisos

Entrega: relatório de auditoria + diff das correções. Individual.

Conteúdo de apoio: Boas Práticas e Riscos da IA no Desenvolvimento

Projeto Final: Produto validado com usuários reais

Objetivo: o ciclo completo: build → measure → learn.

  1. Spec aprovada pelo professor (checkpoint 1)
  2. MVP no ar construído com engenharia agêntica: spec versionada, AGENTS.md/CLAUDE.md no repo, testes mínimos, código no GitHub (checkpoint 2)
  3. 10+ usuários reais usando, com métricas coletadas
  4. Apresentação final de 10 minutos sobre os dados: a hipótese sobreviveu? O que vocês aprenderam? Persistir, pivotar ou matar?

Entrega: repositório + produto no ar + apresentação. Equipes de 3-4.

Critérios de avaliação

CritérioPeso
Qualidade da spec e dos requisitos25%
Processo de engenharia (repo, testes, AGENTS.md, commits, review)25%
Produto funcionando + segurança básica (checklist da disciplina)20%
Validação real (usuários, métricas, aprendizado demonstrado)20%
Apresentação e defesa das decisões10%

Regras de integridade

  • Usar IA é esperado; esconder o processo não é. O diário de prompts faz parte da nota.
  • Vocês precisam ser capazes de explicar qualquer linha do que entregarem: haverá perguntas individuais na apresentação.
  • Dados de usuários reais: mínimos e protegidos (LGPD). Nada de coletar o que não precisa.

Pontos Extras 🌟

  • Contribuir com um termo novo bem pesquisado para o Glossário de Engenharia de Software com IA
  • Apresentar em 5 min uma ferramenta de IA nova que a turma não conhece (com demo ao vivo)
  • Publicar o MVP do projeto final com primeiro usuário pagante 💰

Visão de gráfico

Backlinks