Análise Profunda de Repositórios
Nesta página
Lição atualizada em 3 de novembro de 2026 com base no manual do Codex: «Deep Research for GitHub» não é uma funcionalidade do Codex. A análise de repositórios é efetuada com o Codex em modo só de leitura, enquanto a investigação profunda (deep research) é uma funcionalidade do ChatGPT Work, cuja disponibilidade depende da sua conta e do seu espaço de trabalho. A tabela comparativa de durações sem fontes da versão anterior foi removida. Fontes: Codex CLI · Modo não interativo.
Análise Profunda de Repositórios
Antes de modificar código, muitas vezes precisa primeiro de o compreender: a arquitetura de um projeto legado, as suas dependências e a sua dívida técnica. Duas ferramentas servem este propósito. O Codex analisa um repositório de dentro para fora — lê ficheiros, examina o histórico do Git e executa comandos de diagnóstico — sem fazer quaisquer alterações. A investigação profunda do ChatGPT Work realiza investigações em múltiplas fontes e entrega um relatório com fontes; é a ferramenta certa para questões que vão além do repositório, como avaliar uma biblioteca externa.
Analisar Sem Modificar Nada
Uma tarefa padrão do Codex executa uma ação: escrever código, corrigir um erro ou gerar testes. Para análise, peça ao Codex para sintetizar sem modificar nada e dê-lhe os meios para respeitar essa restrição. Defina a sessão como só de leitura (/permissions, modo read-only) ou execute a análise com codex exec, que utiliza por predefinição uma sandbox só de leitura. Pode analisar centenas de ficheiros, examinar o histórico do Git e produzir um relatório detalhado. Esta diferença reflete-se imediatamente no seu prompt, que deve focar-se na compreensão e não na modificação:
"Analyze the architecture of this project without modifying any files.
How does data flow from the API to the database? What patterns are
used? Where are the fragility points?"
O resultado não é um commit, mas um documento estruturado contendo referências a ficheiros relevantes e recomendações. Revê-o, discute-o numa reunião técnica e corrige-o onde estiver errado.
Acelerar a Integração Técnica
Quando um programador se junta a uma equipa, costuma passar as primeiras duas semanas a reconstruir mentalmente um mapa que ninguém alguma vez escreveu: qual o serviço que chama o quê, porque é que um módulo tem um nome que já não corresponde ao seu conteúdo ou onde se esconde a lógica de faturação. O Codex pode desenhar esse mapa por si:
"Analyze this repository and generate an onboarding guide
for a new developer. Cover:
- General architecture and layers
- Naming and structure conventions
- End-to-end flow of a typical request
- The most important files to read first
- Common pitfalls and project-specific quirks"
O documento resultante serve de referência durante as primeiras semanas e é corrigido à medida que a equipa fornece feedback. Este exercício de correção tem um benefício inesperado: revela pontos cegos que ninguém se deu ao trabalho de documentar porque «toda a gente sabe como funciona».
Auditar Dependências e Dívida Técnica
O segundo caso de uso natural é o inventário. Uma base de código com três anos acumula bibliotecas abandonadas, duplicados funcionais e importações mortas que ninguém ousa apagar por falta de visão global:
"Analyze all project dependencies (package.json
and lock file). Identify:
- Obsolete packages (last update > 1 year ago)
- Known vulnerabilities
- Duplicate packages (same functionality)
- Unused packages (imported nowhere)
- Packages with incompatible licenses"
Esta análise cruza o package.json, o ficheiro de bloqueio (lock file) e as importações realmente presentes no código. Para vulnerabilidades conhecidas e o estado de manutenção dos pacotes, necessita de dados públicos, pelo que deve permitir explicitamente o acesso à rede ou utilizar as ferramentas de auditoria do seu gestor de pacotes (como npm audit). A avaliação da dívida técnica segue a mesma lógica, com um requisito adicional: a última linha do prompt. Sem critérios de ordenação, obtém uma lista de quarenta problemas sem ideia de por onde começar.
"Evaluate the technical debt of this project. Analyze:
- Cyclomatic complexity of core modules
- Most frequently modified files (Git hotspots)
- Code duplication patterns
- Unresolved TODOs and FIXMEs
- Test coverage by module
Rank problems by impact and effort to fix."
O valor destas análises reside na relação entre o tempo investido e os resultados obtidos: algumas instruções precisas substituem dias de leitura. Meça isto nos seus próprios projetos em vez de confiar em estimativas genéricas e reveja sempre o relatório: o agente pode estar errado, especialmente sobre o que o repositório não contém.
Avaliar um Projeto Externo Antes da Adoção
Para uma biblioteca de código aberto que esteja a considerar adotar, a questão vai além do repositório: frequência de lançamentos, atividade de issues e reputação. Este é o domínio da investigação profunda do ChatGPT Work. Na aplicação de ambiente de trabalho, mude para Work, abra Plugins e selecione Deep research; na web, abra o menu + numa conversa do Work. A disponibilidade depende da sua conta e do seu espaço de trabalho:
"Analyze the repository github.com/org/library.
Evaluate its maturity:
- Release frequency and maintenance
- Documentation quality
- Community activity (issues, PRs)
- Test coverage
- Recommendation: Is it safe to adopt in production?"
Este é o passo de verificação que quase sempre ignoramos porque não podemos perder meio dia nisso, mas a sua ausência custa-nos dois anos depois: a biblioteca já não é mantida, o seu único mantenedor desapareceu e fica com uma dependência que tem de reescrever às pressas.
Obter Relatórios Acionáveis
A qualidade do relatório depende diretamente da precisão do prompt. «Onde estão os pontos de fragilidade?» produz um resultado muito mais útil do que «Analise o projeto», porque a primeira formulação impõe um ângulo e força uma hierarquia. Peça também um formato explícito — «ordenar por prioridade», «organizar por módulo» — para obter um documento que possa analisar rapidamente em vez de ler de capa a capa. Em seguida, prossiga com tarefas concretas do Codex que corrijam os problemas identificados. Nesse ponto, a análise deixa de ser apenas mais um relatório e torna-se o ponto de partida para um plano de trabalho. Por fim, partilhe estes relatórios com a sua equipa, pois o seu valor aumenta com o número de pessoas que os consultam diariamente.
Pontos-chave
- Para analisar um repositório, execute o Codex em modo só de leitura (
/permissions, oucodex exec, que é só de leitura por predefinição) - Ideal para integração, auditorias e avaliação de dívida técnica
- A investigação profunda do ChatGPT Work adequa-se a questões de múltiplas fontes, como avaliar uma biblioteca externa
- Os resultados alimentam tarefas Codex concretas para corrigir os problemas identificados
- Reveja todos os relatórios: um agente pode estar errado, especialmente sobre conteúdo em falta