- Não é só um chat que escreve código 🖥️
- Primeiro planejar, depois deixar a IA mexer 🧠
- E quando o próprio agente erra a ferramenta? 🔧
- Quer apontar o botão? Basta clicar nele 🎯
- A IA começa a aprender o seu jeito de programar 👀
- E o preço? Aqui está a provocação 💸
- DeepSeek, GLM, Kimi ou Qwen? 🤖
- O verdadeiro concorrente talvez não seja outro editor
- Um aplicativo para quem quer colocar o agente para trabalhar
Principais destaques
- Desktop completo: o Command Code reúne agente de IA, arquivos, navegador, terminal, chat e revisão de código em uma única interface.
- Modelos variados: DeepSeek, GLM, Kimi e Qwen podem ser alternados conforme a complexidade da tarefa e o orçamento disponível.
- A partir de US$ 1: o plano de entrada inclui US$ 10 em créditos, colocando a ferramenta em uma faixa de preço muito abaixo das assinaturas premium dos grandes laboratórios.
A ideia parece simples: em vez de conversar com um agente de programação pelo terminal, por que não colocar tudo dentro de um aplicativo visual?
É exatamente essa proposta do Command Code Desktop App, uma interface para agentes de programação que funciona no macOS, Windows e Linux e tenta tornar o desenvolvimento assistido por IA mais acessível.
O aplicativo reúne navegador de pré-visualização, explorador de arquivos, chat, terminal e visualizador de diferenças em uma única janela.
E há um detalhe importante: o runtime do agente já vem dentro do aplicativo. Não é necessário instalar primeiro uma ferramenta de linha de comando separada.
Não é só um chat que escreve código 🖥️
A diferença aparece logo na arquitetura.
Em vez de simplesmente pedir para uma IA modificar um projeto e receber um diff no final, o Command Code organiza o trabalho em etapas que podem ser acompanhadas pelo usuário.
O fluxo inclui:
• exploração dos arquivos do projeto;
• planejamento da implementação;
• revisão do plano;
• execução das alterações;
• aprovação de mudanças;
• execução de comandos;
• visualização do resultado no navegador.
🔎 Tudo acontece no mesmo lugar: o terminal aparece como uma gaveta abaixo do chat, enquanto o painel de trabalho pode alternar entre arquivos, alterações, navegador e plano.
Isso permite, por exemplo, manter um servidor local funcionando enquanto o usuário observa a aplicação renderizada dentro do próprio aplicativo.
Primeiro planejar, depois deixar a IA mexer 🧠
Uma das características mais interessantes é o Plan Mode.
O usuário descreve o que pretende construir e o agente analisa o projeto antes de propor uma estratégia.
O plano pode então ser revisado antes de qualquer alteração no código.
Isso parece pequeno, mas resolve um problema importante dos agentes autônomos: um erro de raciocínio no começo pode virar dezenas de alterações erradas depois.
No teste apresentado pelo MindStudio, por exemplo, o agente recebeu a tarefa de adicionar busca e filtros de status a um painel de tarefas.
O primeiro plano tinha um problema lógico na comparação de strings e também não explicava claramente como a limpeza da busca deveria interagir com o filtro de status.
Em vez de executar imediatamente, o usuário pôde devolver o plano para revisão.
A nova versão mostrava inclusive as diferenças entre as propostas.
💡 O ponto não é impedir a IA de errar. É permitir que o erro seja encontrado antes de virar código.
Depois da aprovação, o agente passa para a implementação e solicita autorização para determinadas alterações. Um feed de atividade registra comandos e modificações enquanto o trabalho acontece.
E quando o próprio agente erra a ferramenta? 🔧
Há outro detalhe técnico interessante.
Agentes de programação não produzem apenas texto. Eles precisam chamar ferramentas para ler arquivos, executar comandos, modificar código e realizar outras operações.
Se a chamada estiver malformada, o agente pode simplesmente parar.
O Command Code tenta evitar isso com um sistema de reparo de chamadas de ferramentas.
A lógica é relativamente direta: chamadas válidas seguem normalmente; quando os argumentos não passam pela validação, o sistema tenta corrigir a solicitação antes de desistir.
No teste descrito pelo artigo, houve um problema diferente: o primeiro comando de teste não encontrou o Node no ambiente de shell.
O agente procurou uma instalação disponível, tentou novamente usando um caminho absoluto e conseguiu continuar.
⚙️ Esse tipo de recuperação pode ser especialmente relevante com modelos mais baratos: em vez de exigir que o modelo acerte absolutamente tudo, parte da infraestrutura absorve erros previsíveis.
É uma estratégia interessante para produtos que querem competir não apenas aumentando a capacidade do modelo, mas também melhorando a engenharia ao redor dele.
Quer apontar o botão? Basta clicar nele 🎯
O Design Mode leva essa ideia para a interface.
O usuário abre o servidor local no navegador integrado, clica em um elemento da página e envia seu contexto diretamente para o chat.
Em vez de escrever:
“Aquele botão azul no card da direita, abaixo do campo de busca…”
a pessoa simplesmente aponta para o elemento.
Isso reduz uma das maiores fontes de atrito em tarefas de desenvolvimento de interface: explicar para a IA exatamente qual parte da tela precisa ser modificada.
Também existem comandos para avaliações mais amplas do design, incluindo análises que procuram padrões repetitivos ou interfaces consideradas genéricas.
A recomendação apresentada é limitar o escopo dessas alterações.
Por exemplo, pedir melhorias de espaçamento e hierarquia sem autorizar mudanças em cores, navegação ou funcionalidades.
A IA começa a aprender o seu jeito de programar 👀
O Command Code também possui um recurso chamado “taste”.
A proposta é registrar sinais provenientes das decisões do desenvolvedor: código aceito, rejeitado ou editado.
Com isso, o sistema tenta construir preferências específicas para o projeto.
A lógica é evitar que o usuário precise repetir instruções como:
“Reutilize os componentes existentes.”
“Organize os testes desta maneira.”
“Não crie uma nova estrutura quando já existe uma no projeto.”
Essas preferências aparecem associadas ao projeto como arquivos de “taste”, separados das alterações da funcionalidade em desenvolvimento.
Ainda é cedo para dizer quanto isso reduz correções repetitivas no uso prolongado, mas a ideia ataca diretamente um dos problemas mais comuns dos agentes de código: precisar ensinar as mesmas regras várias vezes.
E o preço? Aqui está a provocação 💸
É provavelmente nesse ponto que o Command Code tenta criar seu espaço.
Segundo o material analisado, os planos começam em US$ 1 por mês, com uma taxa de processamento, oferecendo US$ 10 em créditos mensais.
Um plano superior fica em torno de US$ 10 por mês, com até US$ 70 em uso anunciado, dependendo do modelo escolhido.
A comparação fica mais clara:
| Faixa | Preço mensal | Créditos/uso anunciado |
|---|---|---|
| Go | US$ 1 | US$ 10 |
| Plano superior | ~US$ 10 | até US$ 70 |
| Planos premium citados | ~US$ 200 | dependente do serviço |
Mas existe uma pegadinha importante.
💰 Não são US$ 70 para cada modelo: o orçamento é compartilhado e diferentes modelos consomem os créditos em velocidades diferentes.
O material cita, por exemplo, uma franquia anunciada de US$ 70 para GLM e US$ 60 para DeepSeek V4 Flash em determinadas condições.
Também existem limites por janela de cinco horas e por semana.
Créditos adicionais comprados podem ser acumulados, em vez de simplesmente expirarem.
DeepSeek, GLM, Kimi ou Qwen? 🤖
O Command Code não fica preso a um único fornecedor.
O seletor de modelos inclui provedores como:
• DeepSeek
• GLM
• Kimi
• Qwen
Isso muda a lógica econômica do produto.
Em vez de pagar necessariamente por acesso permanente ao modelo mais caro, o desenvolvedor pode escolher uma opção mais econômica para tarefas simples e reservar modelos mais capazes para problemas difíceis.
No teste apresentado, o DeepSeek V4 Flash foi usado para implementar busca e filtragem em um painel de tarefas.
Depois de algumas correções manuais, a funcionalidade ficou operacional e terminou com 11 testes passando.
Isso não significa que o resultado seja comparável a uma avaliação abrangente de programação. É um teste pontual, em um projeto específico.
Mas demonstra a tese do produto: modelos mais baratos podem se tornar muito mais úteis quando o ambiente de execução oferece planejamento, recuperação de erros e revisão humana.
O verdadeiro concorrente talvez não seja outro editor
O posicionamento fica mais interessante quando se olha para o ecossistema.
O Command Code entra em um mercado onde ferramentas como Cursor e agentes ligados a grandes laboratórios já transformaram a programação em uma conversa com IA.
A diferença é que o produto tenta combinar agente + ambiente de desenvolvimento + navegador + terminal + revisão em uma experiência desktop relativamente acessível.
E existe uma segunda disputa acontecendo.
Não é apenas uma batalha sobre qual modelo escreve melhor código.
É também uma batalha sobre quanto custa manter um agente trabalhando durante o mês inteiro.
Se uma tarefa cotidiana puder ser resolvida por um modelo mais barato, com infraestrutura capaz de corrigir pequenos erros e pedir aprovação nos momentos importantes, o usuário pode não precisar gastar continuamente com o modelo mais caro disponível.
Um aplicativo para quem quer colocar o agente para trabalhar
O Command Code aposta, portanto, em uma combinação bastante específica.
🧩 Interface visual + agentes + múltiplos modelos + recuperação de erros + controle humano.
O resultado não elimina as limitações dos modelos de IA. Um agente ainda pode interpretar uma solicitação de maneira equivocada, modificar o arquivo errado ou precisar de intervenção humana.
Mas o produto tenta atacar justamente os pontos em que esses sistemas costumam quebrar no mundo real.
E talvez essa seja a parte mais importante da história.
O futuro dos agentes de programação pode não depender apenas de modelos cada vez maiores. Pode depender também de boas ferramentas ao redor deles, capazes de transformar um modelo barato em um trabalhador de software razoavelmente persistente.
No fim, a promessa é quase a de trocar uma assinatura cara por uma espécie de “caixa de ferramentas” mais econômica. A questão que fica é quanto dessa economia permanece quando o projeto deixa de ser um pequeno painel de testes e passa a exigir horas de trabalho autônomo em uma base de código realmente complexa.
