Protótipo de um sistema de revisões de código para detecção e sugestão de correção de code smells com auxílio de inteligência artificial

Abstract

O processo de revisão de código (code review) é fundamental para garantir a qualidade, a manutenibilidade e a evolução sustentável de projetos de software. Contudo, a alta demanda por revisões, aliada à complexidade crescente dos sistemas, pode levar a avaliações superficiais ou inconsistentes. Nesse sentido, desenvolveu-se a ferramenta BloodHound, que utiliza a inteligência artificial para analisar as últimas atualizações dos arquivos de código-fonte em repositórios (pull requests), identificando potenciais code smells e sugerindo melhorias automaticamente. O projeto consiste na criação de uma aplicação capaz de avaliar o código adicionado e alterado no pull request, fornecendo relatórios sobre code smells encontrados, como métodos longos, duplicações e classes com múltiplas responsabilidades. Por meio de técnicas de processamento de linguagem natural e engenharia de prompt, o sistema reconhece padrões de más práticas e propõe refatorações alinhadas a recomendações reconhecidas pela comunidade de engenharia de software. Além disso, a ferramenta padroniza o feedback oferecido aos desenvolvedores, reduzindo a subjetividade típica de revisões manuais. A colaboração da inteligência artificial nesse processo ocorre porque a tecnologia oferece recursos avançados de análise contextual e geração de sugestões, assegurando uma abordagem mais completa e ágil para a detecção de problemas. Em síntese, o BloodHound representa uma solução que busca aprimorar o processo de revisão de código, contribuindo para a elevação da qualidade do software e a otimização do tempo gasto em refatorações.