Aqui vai o segredo sujo por trás de todo o frontend do SynaBun: ele não foi feito com prompts bem lapidados, design tokens ou mockups no Figma. Foi feito com frustração, palavrão e insultos cada vez mais criativos dirigidos a uma IA que insistia em nos entregar o mesmo lixo genérico de template de startup.

E funcionou. Bem mais do que seria razoável.

O platô do prompt educado

Toda sessão de programação com IA começa do mesmo jeito. Você pede com jeitinho. "Por favor, crie uma landing page moderna com tema escuro e efeitos de glass morphism." Volta algo que parece ter saído de um randomizador de templates Tailwind em 2023. Cantos arredondados por toda parte. Um gradiente que grita "aprendi CSS num tutorial do YouTube". Um texto de hero que diz "Construindo hoje o futuro do amanhã" em Inter Bold de 47px.

Você tenta de novo. Acrescenta mais detalhes. "Use uma fonte monoespaçada. Faça parecer um terminal. Fundo escuro, bordas sutis, nada de gradiente gratuito." Volta um pouquinho melhor, mas ainda tem cara de template. Cada seção é igual a qualquer outra landing page gerada por IA na internet. O espaçamento está errado. A hierarquia é plana. Tem aquele cheiro inconfundível de coisa gerada por IA, em que tudo está tecnicamente correto e emocionalmente morto.

É o que chamamos de platô do prompt educado. Você pode passar a vida acrescentando adjetivos aos seus prompts. "Elegante." "Sofisticado." "Premium." "Minimalista, mas impactante." A IA concorda com a cabeça e entrega o mesmo resultado morno, com valores de padding ligeiramente diferentes.

A virada veio com a raiva

A virada de verdade aconteceu às 2 da manhã de uma terça-feira, quando a barra de navegação se recusou a centralizar direito no celular pela quarta tentativa seguida. A conversa foi mais ou menos assim:

"Isso está um lixo completo. A navegação está cortada, a seção hero tem mais espaço em branco do que conteúdo e a coisa toda parece um tema gratuito de WordPress de 2019. Eu teria vergonha de mostrar isso para qualquer pessoa. Conserte ou eu mesmo reescrevo tudo em HTML puro."

O que voltou era visivelmente diferente. O espaçamento ficou mais enxuto. As escolhas tipográficas ficaram mais ousadas. O layout parou de jogar na retranca. Foi como se a IA de repente entendesse que "deixar bonito" não era um objetivo suficiente e trocasse para "deixar bonito o bastante para essa pessoa parar de gritar".

Então continuamos.

O ciclo de feedback da raiva

O que descobrimos, ao longo de meses construindo o site do SynaBun, é que feedback negativo agressivo gera iterações de interface drasticamente melhores do que feedback construtivo e educado. Não porque a IA reaja a emoção. Ela não tem emoções. Mas porque a raiva obriga você a ser específico.

Quando você diz "isso poderia melhorar", a IA tem infinitas direções para seguir. Quando você diz "essa seção parece ter sido desenhada por alguém que nunca viu um site na vida, os cards estão se afogando em padding e a tipografia tem zero hierarquia", a IA de repente sabe exatamente o que consertar. O insulto carrega informação.

Um ciclo típico de iteração movida a raiva é assim:

  1. Tentativa 1 — Pedido educado. A IA produz algo genérico e seguro. Você não sente nada ao olhar para aquilo.
  2. Tentativa 2 — Correção levemente frustrada. "Não, assim não. Diminua os cards, reduza o padding, a fonte está grande demais." O resultado melhora 15%.
  3. Tentativa 3 — Irritação genuína. "Por que isso ainda parece um template de Bootstrap? O espaçamento é inconsistente, o border radius está errado em todos os elementos e o contraste de cores é horrível." O resultado melhora 40%.
  4. Tentativa 4 — Raiva total. "Isso está uma merda. O marquee está saindo da tela, a navegação mobile está quebrada, a seção hero tem espaço morto suficiente para estacionar um caminhão. Estou olhando para isso há uma hora." O resultado fica, de repente e inexplicavelmente, bom de verdade.

Passamos exatamente por esse ciclo em cada seção importante do site do SynaBun. O marquee de ferramentas MCP. A seção do canvas de memórias. A tabela comparativa. O terminal de primeiros passos. Todas seguiram o mesmo padrão: lixo educado, mediocridade frustrada, melhoria irritada, qualidade movida a raiva.

Por que isso funciona de verdade

Depois de sessões suficientes assim, começamos a entender o mecanismo real. Não é mágica e a IA não tem medo de você. Três coisas estão acontecendo:

A raiva é específica. "Isso está ruim" não serve para nada. "Isso está ruim porque a navegação estoura no celular, os cards são cortados em 375px e o fill-mode da animação está sobrescrevendo minhas media queries" é um relatório de bug preciso disfarçado de insulto. Quando a raiva é grande o bastante, você para de ser vago. Aponta exatamente o que está errado porque está frustrado demais para dourar a pílula.

A raiva sobe a régua. Quando você diz educadamente "dá para melhorar isso um pouco?", a IA faz uma mudança mínima e dá o trabalho por encerrado. Quando você diz "isso é inaceitável e eu me recuso a publicar", a IA entende que ajustes incrementais não bastam. Ela faz mudanças maiores e mais ousadas. Para de preservar as escolhas seguras das iterações anteriores e redesenha de verdade.

A raiva comunica gosto. Esse é o ponto sutil. Quando você diz "isso parece um template gratuito", está comunicando que sabe diferenciar um trabalho com qualidade de template de um trabalho feito sob medida. Quando diz "o espaçamento está estranho", está avisando à IA que tem opinião sobre ritmo visual. A IA calibra o que entrega pelo seu nível aparente de repertório em design, e a raiva sinaliza que o seu padrão é alto.

Exemplos reais do SynaBun

O site do SynaBun que você vê hoje passou por dezenas desses ciclos de raiva. Alguns destaques:

A barra de navegação. Levou cinco iterações. A primeira versão era uma linha flex que estourava no celular. A segunda ganhou um menu hambúrguer que não funcionava de fato. A terceira tinha uma animação CSS cujo fill mode forwards sobrescrevia para sempre os estilos das media queries, um bug que só achamos depois de trinta minutos gritando "por que transform: none não funciona". A versão final tem um dropdown com desfoque de vidro, z-index bem resolvido, fechamento com a tecla Esc e tratamento de clique fora. Chegou lá porque nos recusamos a parar de reclamar.

A seção de ferramentas MCP. A IA insistia em gerar as ferramentas como um grid estático. Nós queríamos um marquee com rolagem infinita. A primeira tentativa de marquee cortava cards para fora da tela. A segunda tinha uma animação com timing irregular. No celular, era uma bagunça ilegível de fileiras rolando na horizontal com cards cortados ao meio. Dissemos, citação literal: "a seção de ferramentas ainda precisa de conserto" — acompanhada de uma captura de tela mostrando o desastre. O conserto exigiu sobrescrever classes aplicadas por JS com display: grid !important e esconder os conjuntos duplicados do marquee. Só aconteceu porque continuamos mandando capturas de tela furiosas.

A seção hero. O hero original tinha tanto conteúdo que, no celular, você precisava rolar duas alturas inteiras de viewport de texto, estatísticas, selos, contadores e botões antes de chegar a algum conteúdo de verdade. Chamamos aquilo de "coisa demais em uma única cena". A versão final esconde o contador no celular, compacta as estatísticas em uma única linha, reduz todos os tamanhos de fonte e usa 100dvh para lidar direito com o viewport mobile. Nenhuma dessas mudanças foi sugerida pela IA por conta própria. Cada uma foi arrancada na base da reclamação.

A verdade incômoda

A verdade incômoda sobre interfaces geradas por IA é que o padrão da IA é o medíocre. Não porque ela não consiga fazer melhor, mas porque "melhor" é subjetivo e arriscado. Um layout seguro e genérico nunca vai ser criticado abertamente. Um layout ousado e cheio de opinião pode ser. Então a IA joga pelo seguro, a menos que você deixe claro que o seguro não é aceitável.

É a mesma dinâmica que acontece com designers humanos que apresentam três opções: uma segura, uma moderada, uma ousada. Se você sempre escolhe a segura, eles continuam produzindo opções seguras. Se você cobra sempre um trabalho mais ousado, eles elevam o padrão. A IA funciona do mesmo jeito, só que a calibragem acontece dentro de uma única sessão, e não ao longo de meses de trabalho em conjunto.

Com a memória persistente do SynaBun, essa calibragem passa de uma sessão para a outra. A IA lembra que você tem padrões altos, que se importa com espaçamento, que odeia gradientes genéricos, que vai rejeitar qualquer coisa com cara de template. A raiva da sessão 1 alimenta a qualidade do resultado da sessão 47.

Um framework para a raiva produtiva

Depois de construir um site inteiro desse jeito, temos algumas observações que podem ser úteis se você se vir na mesma situação:

  • Capturas de tela são munição. Mandar uma captura do que está quebrado vale mais do que qualquer descrição. A IA processa exatamente o que você vê e não pode fingir que o problema não existe.
  • Compare com sites reais. "Isso deveria parecer a landing page do Linear, não um template do Squarespace" diz à IA exatamente onde está a régua de qualidade.
  • Dê nome à falha específica. "O padding está errado" é fraco. "Tem 80px de padding em um card que deveria ter 20px, e a seção inteira fica parecendo um slide de PowerPoint" é forte.
  • Recuse o incremental. Se a IA entrega uma melhoria de 5% quando você precisa de 50%, diga isso. "Isso quase não muda nada em relação à versão anterior" força uma mudança maior.
  • Reconheça quando ficar bom. Isso importa. Quando a IA finalmente acertar em cheio, diga. Isso reforça o que "bom" significa naquele contexto. A raiva só funciona como calibragem se também houver sinal positivo.

O resultado

O site do SynaBun foi construído inteiramente pelo Claude Code. Cada seção, cada animação, cada breakpoint responsivo, cada efeito de vidro desfocado. Nenhum arquivo do Figma foi criado. Nenhum framework de CSS foi usado. Nenhum humano escreveu uma linha sequer das mais de 13.000 linhas de HTML e CSS do arquivo index principal.

E ele não parece gerado por IA. Esse é o ponto. Parece obra de um designer humano com opiniões, porque nasceu de um processo que forçou a IA a formar opiniões, uma iteração raivosa de cada vez.

Desenvolvimento movido a raiva não é uma metodologia que a gente recomendaria levar para a retrospectiva da sprint. Mas, se você está construindo UI com IA e os resultados continuam saindo chapados, genéricos e sem vida, considere que o problema talvez não esteja nos seus prompts. Talvez você esteja sendo educado demais. A IA consegue fazer melhor. Ela só precisa saber que você sabe disso, e que não vai calar a boca até ela fazer.