VibeSDK by CloudFlare

O agente trabalha por meio de um ciclo de modelo e ferramentas em vez de uma sequência rígida de fases de construção, o que significa que ele pode ler um arquivo, decidir o que mudar, executar o código e reagir ao que voltar em vez de avançar às cegas por passos fixos. Ele lê e edita arquivos, instala o que for preciso e segue em frente até o app rodar. Assim você pode mudar de ideia no meio da construção e ele se adapta em vez de começar de novo.

Quando seu pedido é vago, o agente faz perguntas de acompanhamento estruturadas antes de começar. Você tem menos gerações desperdiçadas porque o agente confirma o que você realmente quer. É um detalhe pequeno que economiza muito retrabalho.

Cada arquivo que o agente toca aparece em um editor integrado enquanto ele trabalha. Você pode ler o código, abrir um arquivo e sugerir uma mudança sem sair do navegador. Ver as edições chegando faz todo o processo parecer menos uma caixa-preta.

O código gerado é empacotado e carregado como um Worker na borda, então cada prévia roda sem um servidor de desenvolvimento de longa duração. Seu app fica no ar segundos depois que o agente termina uma mudança. Sem esperar por um pipeline de build. O ponto negativo é que as prévias dependem do ambiente de execução da Cloudflare, que difere de uma configuração local de Node.

O agente inspeciona a saída do console do navegador, identifica erros em tempo de execução e reimplanta uma correção. Você ainda vai encontrar bugs que ele não resolve, mas quebras rotineiras são tratadas sem que você precise garimpar os logs. Não é perfeito, mas economiza tempo de verdade.

Cada app gerado recebe seu próprio armazenamento apoiado em SQLite por meio de um Durable Object Facet, com ferramentas para inspecionar e reiniciar o banco de dados. Seus projetos não compartilham dados, o que importa quando você roda vários ao mesmo tempo.

O agente salva pontos de restauração no Cloudflare Artifacts, e você pode voltar a um estado anterior sem reescrever o histórico. Se uma mudança piorar as coisas, você se recupera com um clique em vez de reconstruir arquivos à mão.

Você encaminha os provedores de modelos escolhidos pelo AI Gateway, que adiciona observabilidade centralizada e cache entre eles. Os custos ficam visíveis, respostas populares são armazenadas em cache e trocar de modelo não obriga a reescrever o agente.