← Guias · English · 日本語 · 中文

Atualizado 2026-11-20

Nesta página
  1. Por que esta camada decide tudo
  2. Passo 1 — Minere suas próprias correções
  3. Passo 2 — Escreva entradas de knowledge que pegam
  4. Passo 3 — Playbooks para trabalho repetível
  5. Passo 4 — Alimentando Bots
  6. Passo 5 — O loop de correção
  7. Checklist de verificação
  8. Armadilhas
  9. Teste de conhecimento
  10. Demonstração — conhecimento que pega, no Devin CLI v3000.14 (swe-2-flash-medium)
  11. Fontes

Guia 9 — Playbooks & knowledge: codificando as convenções da sua org

Objetivo: tornar sessões e Bots Devin confiáveis em escala de organização, escrevendo o que seus melhores engenheiros presumem — como playbooks (procedimentos repetíveis) e knowledge (contexto permanente). Nível: intermediário · a camada que toda implantação grande publicada compartilha Fontes: docs.devin.ai · lições de implantação do Guia 7

Por que esta camada decide tudo

Todo resultado enterprise publicado — o 8–12× da Nubank, os 92% de PRs autorais da EBANX, os 1.600 seats da Wayfair — repousa sobre convenções codificadas. Sem elas, a saída do Devin varia por sessão: cada uma redescobre seu stack, suas regras de merge, seus hábitos de teste. Com elas, a sessão nº 500 se comporta como seu melhor engenheiro no melhor dia.

Dois artefatos complementares:

Artefato O que é Analogia
Knowledge Contexto permanente que o Devin lê — fatos do repo, convenções, pegadinhas do ambiente Docs de onboarding
Playbook Procedimento nomeado e repetível — gatilho, passos, critérios de aceite Um runbook que qualquer um invoca

Passo 1 — Minere suas próprias correções

O conhecimento mais barato já existe: percorra suas últimas 20 sessões Devin e colete cada vez que você digitou uma correção — "we deploy via Cloud Run," "never git push --force," "tests need npm run db:seed first." Cada correção é uma entrada de knowledge com prova de que importou.

Minere também: - Comentários de code review que humanos repetem em PRs do Devin - Descrições de PR que explicam por que uma mudança foi moldada de certa forma - Docs de onboarding — tudo que você contaria a um novo contratado

Passo 2 — Escreva entradas de knowledge que pegam

Boas entradas são uma linha, imperativas e escopadas:

- Deploy only via `make deploy-cloudrun` — never run gcloud directly.
- Migrations require a matching rollback file in prisma/rollbacks/.
- The staging seed user is qa+admin@corp.io; never create real-looking users.

Más entradas são ensaios, votos ("write good tests") ou segredos (nunca coloque credenciais no knowledge — use o secrets store).

Passo 3 — Playbooks para trabalho repetível

Nota de plataforma (nov 2026): Playbooks estão migrando para Skills — as contas migram uma a uma e contas novas só têm Skills (cada playbook vira um skill com o mesmo escopo org/enterprise). Tudo neste passo se aplica igualmente a skills: um skill é o mesmo procedimento nomeado e invocável. Knowledge também foi descontinuado — as entradas de conhecimento da org estão migrando para skills em Plugins (docs.devin.ai/product-guides/knowledge), então o produto dos Passos 1–2 ('anote isso') também vai parar no mesmo lugar: um arquivo de skill.

Um playbook empacota um procedimento para que qualquer sessão (ou Bot) o execute da mesma forma. Estrutura que funciona:

# <Verbo + objeto> — ex.: "Cut a release"
## When to use
<a condição gatilho>
## Steps
1. <passo determinístico>
2. ...
## Acceptance
<a checagem passa/falha>
## Failure modes
- <quebra conhecida → o que fazer>

Publique org-wide para que sessões, automações e Bots possam invocá-lo — é isso que transforma uma sessão bem-sucedida isolada em capacidade da organização.

Passo 4 — Alimentando Bots

As Instructions do Bot (Guia 1) são a versão escopada ao Bot do knowledge — as regras lidas no início de cada sessão. Coloque lei-do-cargo ali; lei-da-org no knowledge; procedimentos em playbooks. O empilhamento mantém cada artefato pequeno e atual.

Passo 5 — O loop de correção

Knowledge apodrece. O loop que o mantém verdadeiro:

  1. Uma sessão/Bot erra → você corrige no chat
  2. O Bot escreve a correção na memória (ou você adiciona ao knowledge)
  3. Revisão semanal: promova itens repetidos da memória do Bot para o knowledge da org; delete entradas que ninguém disparou em um mês

O Devin Coach (um template oficial de Bot) existe exatamente para isso — reporta semanalmente onde o Devin travou e propõe uma correção por vez: uma nota, um skill ou uma mudança de setup.

Checklist de verificação

Armadilhas

Teste de conhecimento

  1. Qual a diferença entre playbook e knowledge? (Playbook é procedimento repetível para uma tarefa nomeada; knowledge é contexto permanente que toda sessão deve presumir.)
  2. Por que "escrever o que seus melhores engenheiros presumem" é o gargalo enterprise de verdade? (Qualidade do agente nunca foi o limitante — contexto faltante é; a camada de knowledge é onde vivem as convenções da org.)
  3. Quando uma convenção vira playbook vs. permanece conhecimento tribal? (Na primeira vez que uma sessão erra de um jeito que um passo escrito teria prevenido.)

Demonstração — conhecimento que pega, no Devin CLI v3000.14 (swe-2-flash-medium)

Playbooks de organização vivem na nuvem, mas a tese central deste guia — escreva a convenção uma vez e toda sessão a segue — é testável localmente. devin rules lê contexto sempre ativo de .windsurf/rules/*.md. Mineramos três "correções passadas" em house-rules.md — testes com unittest (nunca pytest), nunca commitar, reutilizar total() para matemática de itens — e abrimos uma sessão nova pedindo só a feature.

Vídeo (30 s, sem som): o arquivo de regras → sessão sem lembretes → as três regras obedecidas.

Arquivo de regras, um pedido sem dicas, todas as regras seguidas

1. As regras mineradas e o prompt cru — "Add a line_total(items) function … Write a test for it too." 1. Três regras commitadas; o prompt não menciona convenções

2. Ele reutilizou total(), rodou python3 -m unittest (não pytest), 3 testes passaram 2. Todas as regras seguidas sem um único lembrete — é a camada de conhecimento funcionando

3. Após /exit — M orders.py, M tests/test_orders.py, e git log mostra só o commit inicial 3. Até "nunca commitar" foi respeitado — verificado no git, não no relatório

Fontes