Testes baseados em riscos explicados: pontue riscos, construa uma matriz e teste o que importa
Nunca há tempo para testar tudo igualmente. O teste baseado em risco é uma maneira simples e estruturada de decidir onde o esforço de teste vai primeiro, com base na probabilidade de algo falhar e no quanto seria prejudicial se isso acontecesse.
- Testes baseados em risco priorizam testes por risco, geralmente probabilidade x impacto.
- Uma simples pontuação de 1 a 5 para cada um fornece um valor de risco de 1 a 25 que é fácil de discutir e classificar.
- As áreas de alto risco recebem testes mais profundos, mais precoces e repetidos; áreas de baixo risco recebem verificações mais leves.
- É um exercício de equipe, repetido a cada lançamento, e não uma planilha preenchida uma vez.
O lançamento está previsto para sexta-feira. A equipe tem três dias e trezentos casos de teste possíveis. Testar tudo igualmente significa testar o fluxo de pagamento com o mesmo cuidado que a cor de um ícone de configurações. Os testes baseados em riscos substituem isso por uma escolha deliberada: testar primeiro e com maior intensidade onde a falha é provável e dispendiosa.
Este é um guia de processo, portanto não contém nenhum código que executamos. As pontuações do exemplo trabalhado são ilustrativas, escolhidas para mostrar o método, e não medidas a partir de um produto real.
O que são testes baseados em risco?
O teste baseado em risco é uma abordagem em que a quantidade e a ordem dos testes são determinadas pelo risco do produto. Um risco é algo que pode dar errado, como falha em um recurso, dados corrompidos ou página muito lenta. Cada risco é avaliado em duas dimensões: qual a probabilidade de acontecer e quão grave seria o impacto. A combinação decide quantos testes ela merece.
Não é um tipo de teste separado, como testes de desempenho ou segurança. É uma forma de planejar e priorizar todos eles e se enquadra naturalmente em uma estratégia de teste.
Por que funciona
- O tempo é sempre limitado. A priorização por risco garante que as verificações mais importantes aconteçam mesmo que o tempo acabe.
- Os bugs não são distribuídos uniformemente. Códigos complexos, novos e alterados com frequência tendem a conter mais defeitos.
- O impacto não é igual. Um total errado na finalização da compra e um rodapé desalinhado são erros; apenas um perde dinheiro.
- Isso torna as compensações visíveis. As partes interessadas podem ver o que foi testado profundamente e o que foi aceito como de menor risco.
Os cinco passos
- Identifique os riscos com a equipe.
- Pontue cada um em termos de probabilidade e impacto.
- Priorize usando uma matriz de risco.
- Planeje e teste com profundidade adequada ao risco.
- Revise após o teste e após o lançamento e atualize as pontuações.
Etapa 1: identificação de riscos
Reúna testadores, desenvolvedores e alguém que entenda do negócio, como o product owner. Analise os recursos, as jornadas do usuário e as mudanças recentes e pergunte o que pode dar errado. Dicas úteis:
- Onde uma falha custaria dinheiro, infringiria a lei ou perderia dados?
- O que mudou nesta versão e o que isso afeta?
- Quais áreas tiveram muitos bugs ou incidentes antes?
- O que depende de terceiros, como gateways de pagamento ou APIs?
- O que é nova tecnologia ou código desconhecido para a equipe?
- O que acontece sob carga, em redes lentas ou em dispositivos mais antigos?
Escreva cada risco como uma declaração curta e específica, como “O total do pedido está errado quando um cupom e frete grátis se aplicam juntos”, não apenas “Finalização de compra”.
Etapa 2: probabilidade de pontuação e impacto
Uma escala de 1 a 5 é comum porque é fácil concordar sobre:
| Pontuação | Probabilidade | Impacto |
|---|---|---|
| 1 | Muito improvável | Solução cosmética e fácil |
| 2 | Improvável | Pequeno inconveniente |
| 3 | Possível | Recurso parcialmente quebrado para alguns usuários |
| 4 | Provavelmente | Recurso principal quebrado, receita ou reputação afetada |
| 5 | Muito provavelmente | Perda de dados, violação de segurança, danos legais ou financeiros |
Pontuação de risco = probabilidade x impacto, dando 1 a 25. A probabilidade aumenta com a complexidade, quantidade de mudanças, defeitos passados e desconhecimento do desenvolvedor. O impacto aumenta com o número de usuários afetados, dinheiro envolvido, segurança, dados e exposição legal. Combine as definições com antecedência para que um “4” signifique a mesma coisa para todos.
Passo 3: a matriz de risco
Impact →
1 2 3 4 5
Likelihood 5 5 10 15 20 25
4 4 8 12 16 20
3 3 6 9 12 15
2 2 4 6 8 10
1 1 2 3 4 5
Trace cada risco na grade. As pontuações no canto superior direito são as suas prioridades; as pontuações no canto inferior esquerdo podem receber verificações leves. Muitas equipes colorem as faixas: por exemplo, 15 a 25 altas, 8 a 14 médias e 1 a 7 baixas. Esses limites são uma convenção, não um padrão, portanto ajuste-os ao seu contexto. Algumas equipes usam uma grade 3 × 3 mais simples de baixo, médio e alto, o que geralmente é suficiente.
Dica: observe itens com alto impacto, mas baixa probabilidade, como um cenário raro de perda de dados. A sua pontuação multiplicada pode parecer modesta, mas uma única ocorrência pode ser catastrófica. Muitas equipes tratam qualquer impacto de 5 como prioridade média, independentemente da probabilidade.
Etapa 4: mapear o risco para testar a profundidade
| Nível de risco | Abordagem de teste |
|---|---|
| Alto (15-25) | Teste antecipadamente e minuciosamente: casos de teste detalhados, testes negativos e de limite, sessões exploratórias, automação em cada construção, revisões por um segundo testador |
| Médio (8-14) | Cenários principais e casos extremos importantes, incluídos no conjunto de regressão |
| Baixo (1-7) | Verificações de fumaça ou uma passagem exploratória rápida; pode ser adiado se o tempo acabar |
Profundidade significa mais do que número de casos de teste. Para riscos altos, considere técnicas mais fortes, como análise de valor de limite e tabelas de decisão, revisão independente do design de teste, testes em mais dispositivos e ambientes e monitoramento após o lançamento.
Etapa 5 na prática: um exemplo prático
Uma loja online está lançando um novo recurso de cupom. A equipe lista e pontua os riscos (pontuações ilustrativas):
| Risco | Probabilidade | Impacto | Pontuação | Nível |
|---|---|---|---|---|
| Total do pedido errado com cupom + frete grátis | 4 | 5 | 20 | Alto |
| Cupom utilizável além do seu limite | 3 | 4 | 12 | Médio |
| Tempo limite do gateway de pagamento durante a finalização da compra | 2 | 5 | 10 | Médio (assistir: impacto 5) |
| O campo do cupom aceita caracteres inválidos | 3 | 2 | 6 | Baixo |
| Banner de cupom desalinhado em tablets | 3 | 1 | 3 | Baixo |
O plano segue diretamente. O cálculo total recebe testes detalhados para cada combinação de cupom, regra de frete e imposto, testes unitários automatizados e uma sessão exploratória. O limite de uso passa por testes de simultaneidade, já que dois checkouts simultâneos são a forma provável de ultrapassá-lo. O tempo limite do gateway passa por alguns testes de injeção de falha, porque seu impacto é severo mesmo que a pontuação seja média. O banner aparece em um tablet. Se o tempo acabar na quinta-feira, é a bandeira que espera, por escolha deliberada.
De onde vêm os dados de risco
As pontuações começam como um julgamento informado, mas os dados as tornam melhores:
- Histórico de defeitos: módulos com muitos bugs anteriores. Nosso guia do ciclo de vida de bugs cobre o rastreamento deles.
- Alteração de código: arquivos alterados com mais frequência no controle de versão.
- Incidentes de produção e tickets de suporte.
- Análise de uso: as jornadas mais usadas apresentam o maior número de usuários em risco.
- Lacunas de cobertura de testes: áreas com pouca cobertura automatizada; consulte explicação da cobertura do código.
Testes baseados em risco em Agile e CI
Em sprints curtos, um workshop completo de cada vez é muito pesado. Uma versão mais leve funciona bem: discuta os riscos durante o refinamento, marque as histórias como de alto, médio ou baixo risco e chegue a um acordo sobre a profundidade do teste como parte da definição de concluído. Na CI, execute testes para áreas de alto risco em cada commit e em suítes mais amplas com menos frequência. A pirâmide de testes ajuda a decidir o nível: empurre a lógica de alto risco para testes de unidade rápidos sempre que possível e mantenha testes de ponta a ponta para as jornadas de usuário mais arriscadas.
Erros comuns
- Pontuação isolada. Um testador trabalhando sozinho perde o impacto nos negócios e a complexidade técnica. Pontuação em grupo.
- Marcando uma vez. Os riscos mudam conforme o código muda. Revise a lista a cada lançamento.
- Tratar o baixo risco como “sem testes”. Baixo risco significa testes mais leves, não nenhum.
- Falsa precisão. Discutir se algo tem 12 ou 15 é uma perda de tempo; a classificação é mais importante do que o número exato.
- Ocultar as compensações. Relate quais riscos foram testados levemente ou não foram testados, para que as partes interessadas possam aceitá-los conscientemente.
Relatório de cobertura de risco
Um relatório de teste organizado por risco é muito mais útil para os tomadores de decisão do que uma contagem bruta de aprovações. Para cada risco, mostre seu nível, quais testes foram feitos, o resultado e tudo o que ainda está em aberto:
| Risco | Nível | Teste concluído | Estado |
|---|---|---|---|
| Total errado com cupom + frete grátis | Alto | 32 casos, sessão exploratória automatizada | Aprovado após 1 correção |
| Limite de uso do cupom excedido | Médio | Testes de simultaneidade | 1 bug aberto, correção em andamento |
| Banner de cupom em tablets | Baixo | Não testei esta versão | Risco aceito |
As linhas de exemplo são ilustrativas. A questão é o formato: qualquer pessoa pode ver rapidamente que as áreas mais perigosas foram testadas minuciosamente, quais riscos permanecem e o que foi conscientemente deixado de fora. “Pronto para liberar?” torna-se uma discussão sobre riscos específicos, não um sentimento.
Considerações finais
Os testes baseados em riscos são o senso comum explicitado: gaste mais esforço onde a falha é mais provável e mais cara. Liste os riscos com toda a equipe, avalie a probabilidade e o impacto em uma escala simples, represente-os em uma matriz e combine a profundidade do teste com o resultado. Em seguida, revise as pontuações de cada versão, usando dados reais de defeitos e incidentes para tornar a próxima rodada mais precisa.
Perguntas frequentes
O que são testes baseados em risco?
Uma abordagem de teste que prioriza o esforço de acordo com o risco do produto, geralmente pontuado como probabilidade multiplicada pelo impacto, de modo que as áreas mais perigosas sejam testadas primeiro e de forma mais completa.
Como você calcula uma pontuação de risco?
Avalie a probabilidade e o impacto em uma escala de 1 a 5 e depois multiplique-os. Uma pontuação de 20 ou 25 é de alta prioridade; pontuações baixas resultam em testes mais leves.
O que é uma matriz de risco em testes?
Uma grade com probabilidade em um eixo e impacto no outro. Traçar cada risco mostra quais áreas precisam de mais testes.
Quem deve participar na avaliação de riscos?
Testadores, desenvolvedores e alguém que representa a empresa ou os usuários, como o proprietário do produto. Cada um vê diferentes tipos de risco.
Baixo risco significa que uma área não foi testada?
Não. As áreas de baixo risco ainda passam por verificações básicas, como testes de fumaça. Eles são simplesmente testados de forma menos profunda e tardia do que em áreas de alto risco.
Continue aprendendo
Precisa de ajuda com testes, WordPress ou SEO?
Ajudamos as equipes a fornecer software melhor e a expandir seus sites. Conte-nos no que você está trabalhando e sugeriremos um próximo passo claro.
Mais guias sobre testes, IA e desenvolvimento moderno
Gostou deste artigo? Escolha um tópico e vá direto para nossos tutoriais mais recentes.
Estratégias de chunking RAG explicadas: fixo, sobreposição, frase, recursivo e títulos, medidos
Estratégias de chunking RAG comparadas em um documento com tiktoken 0.14: tamanho fixo, sobreposição, empacotamento de frases, divisão recursiva e p…
Leia o artigo →Desenvolvimento de softwareExplicação da idempotência da API: chaves de idempotência e novas tentativas seguras, testadas
A idempotência da API explicada com um servidor e cliente Python que executamos: uma resposta perdida causava uma cobrança dupla sem uma chave e uma…
Leia o artigo →DevOpsGit Stash explicado: salvar, aplicar, abrir e não rastrear arquivos, testado
Git stash explicado com comandos que executamos no Git 2.56: push com uma mensagem, arquivos não rastreados, listar e mostrar, aplicar vs pop, mante…
Leia o artigo →Teste de softwareExplicação do teste em pares: como todos os pares reduzem 216 testes para 13, testados
Testes em pares explicados com um gerador que executamos em Python 3.13: um checkout com 216 combinações cobertas por 13 testes, cobertura verificad…
Leia o artigo →Automação de testesDuplas de teste explicadas: Dummy, Stub, Spy, Mock e Fake, com código Python testado
O teste duplo é explicado com um exemplo de Python executado no pytest 9.2: dummy, stub, spy, mock e fake, quando usar cada um, verificações de esta…
Leia o artigo →Bancos de dados e SQLSQL COALESCE explicado: padrões, NULLIF, IFNULL vs ISNULL e traps, testados
SQL COALESCE explicado com consultas que executamos no SQLite 3.50: primeiros valores não nulos, strings vazias, NULL em matemática, NULLIF para div…
Leia o artigo →Bancos de dados e SQLSQL Self Join explicado: funcionário-gerente, comparações de pares e linhas, testado
Auto-junção SQL explicada com consultas que executamos no SQLite 3.50: funcionário e gerente, ganhando mais que o gerente, pares únicos, alterações …
Leia o artigo →Desenvolvimento de softwareExplicação do operador JavaScript Spread: Spread vs Rest, cópias e pegadinhas, testado
O operador de propagação JavaScript explicado com o código que executamos no Nó 24: arrays, objetos, cópias superficiais, parâmetros restantes, o li…
Leia o artigo →Desenvolvimento de softwareMódulo de coleções Python explicado: contador, defaultdict, deque e mais, testado
Coleções Python explicadas com código que executamos em Python 3.13: Counter, defaultdict, deque, nomeadotuple, OrderedDict e ChainMap, além de um t…
Leia o artigo →Inteligência artificialJanela de contexto LLM explicada: tokens, limites e como ajustar mais, medidos
A janela de contexto do LLM explicada com contagens de tokens que medimos usando tiktoken: palavras versus tokens para prosa, código e hindi, orçame…
Leia o artigo →Desenvolvimento de softwareWebhooks explicados: como funcionam e como recebê-los com segurança
Webhooks explicados com um receptor e remetente que executamos em Python: push vs polling, assinaturas HMAC-SHA256, rejeição de solicitações adulter…
Leia o artigo →DevOpsGit Cherry-Pick explicado: copie o commit que você precisa, com segurança e testado
Git cherry-pick explicado com comandos que executamos no Git 2.56: copiar um hotfix para um branch de lançamento, novos hashes e patch-ids, -x, -n, …
Leia o artigo →Automação de testesExplicação do teste instantâneo: como funciona, quando ajuda e quando dói
O teste de instantâneo foi explicado com uma demonstração pytest e xaroposa que executamos: criação de instantâneos, leitura da diferença após uma a…
Leia o artigo →Teste de softwareExplicação do teste de mutação: por que a cobertura de 100% ainda não percebeu nosso bug
Os testes de mutação explicados com uma pequena ferramenta de mutação que construímos e executamos: 14 mutantes, um conjunto de testes com 100% de c…
Leia o artigo →Inteligência artificialExplicação da injeção imediata: como os aplicativos de IA são enganados e como defendê-los
Injeção imediata explicada para construtores: ataques diretos e indiretos, por que os filtros de palavras-chave falham (nosso teste bloqueou 1 de 4)…
Leia o artigo →DevOpsRegistros DNS explicados: A, AAAA, CNAME, MX, TXT e TTL com pesquisas reais
Registros DNS explicados com pesquisas que executamos: como funciona a resolução, A e AAAA, regras CNAME, MX e MX nulo, TXT para SPF e verificação, …
Leia o artigo →DevOpsSinalizadores de recursos explicados: lançamentos seguros, lançamentos graduais e higiene de sinalizadores
Sinalizadores de recursos explicados com uma simulação de implementação que executamos: tipos de sinalizadores, implementações percentuais com hashi…
Leia o artigo →Automação de testesGeração de dados de teste com Python Faker: dados realistas, repetíveis e seguros
Teste a geração de dados com Python Faker, execute e meça: propagação de dados repetíveis, localidades, valores exclusivos, registros em formato de …
Leia o artigo →Teste de softwareExplicação do teste Shift-Left: Encontre bugs mais cedo, sem atrasar a equipe
O teste shift-left explicou: o que significa, por que os defeitos iniciais são mais baratos, práticas desde revisões de requisitos até verificações …
Leia o artigo →Bancos de dados e SQLFunções de string SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT e limpeza de dados
Funções de string SQL explicadas com consultas que executamos: concatenação e NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, preenchimento, com…
Leia o artigo →Bancos de dados e SQLExplicação dos gatilhos SQL: gatilhos ANTES e DEPOIS, registros de auditoria e armadilhas
Gatilhos SQL explicados com gatilhos que executamos: ANTES vs DEPOIS, ANTIGO e NOVO, logs de auditoria, validação, atualizações de estoque, condiçõe…
Leia o artigo →Desenvolvimento de softwareMódulo JSON Python explicado: dumps, carregamentos, tipos personalizados e erros comuns
O módulo Python JSON explicado com o código que executamos: dumps e carregamentos, arquivos, conversões de tipo, datas e decimais, codificadores per…
Leia o artigo →Desenvolvimento de softwareMódulos ES vs CommonJS: como funcionam as importações de JavaScript em Node.js, testado
Módulos ES vs CommonJS explicados com código que executamos em Node.js: sintaxe de importação e exportação, require, vinculações ativas, cache, espe…
Leia o artigo →Desenvolvimento de softwarePython Regex explicado: padrões, grupos, antecipações e armadilhas, testados
Regex Python explicado com padrões que executamos: pesquisa vs correspondência, findall, grupos e grupos nomeados, ganancioso vs preguiçoso, sub, lo…
Leia o artigo →Inteligência artificialExplicação da saída estruturada do LLM: obtendo JSON confiável de modelos de IA
Saída estruturada do LLM explicada com validação que executamos no Pydantic: modo JSON e esquemas, decodificação restrita, formas de quebra de saída…
Leia o artigo →DevOpsChaves SSH explicadas: como funcionam, ssh-keygen, Ed25519 e hábitos seguros
Chaves SSH explicadas com chaves que geramos: chaves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, impressões digitais, senhas, agente s…
Leia o artigo →DevOpsCache HTTP explicado: controle de cache, ETag e respostas 304, com um teste ao vivo
Cache HTTP explicado com um pequeno servidor que executamos: diretivas Cache-Control, idade máxima, sem cache vs sem armazenamento, revalidação de E…
Leia o artigo →Automação de testesTeste de contrato de API explicado: detecte alterações importantes antes de serem enviadas
O teste de contrato de API foi explicado com uma verificação de esquema que executamos: o que é um contrato, contratos orientados ao consumidor, Pac…
Leia o artigo →Teste de softwareTestes baseados em riscos explicados: avalie os riscos, construa uma matriz e teste o que é importante
Testes baseados em riscos explicados passo a passo: identificação de riscos, pontuação de probabilidade e impacto, construção de uma matriz de risco…
Leia o artigo →Bancos de dados e SQLRestrições SQL explicadas: NOT NULL, UNIQUE, CHECK e FOREIGN KEY, testadas
Restrições SQL explicadas com testes que executamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY e FOREIGN KEY, as lacunas NULL, configuração de chave…
Leia o artigo →Bancos de dados e SQLFunções de data SQL explicadas: adicionando, comparando e agrupando datas sem bugs
Funções de data SQL explicadas com consultas que executamos: adição de intervalos, surpresas de final de mês, diferenças de data, armadilha BETWEEN,…
Leia o artigo →Desenvolvimento de softwarePython assíncio explicado: assíncrono, espera, coleta e TaskGroup com Real Timings
Python asyncio explicado com código que cronometramos: corrotinas, espera, coleta, TaskGroup, tratamento de erros, tempos limite, limitação de simul…
Leia o artigo →Desenvolvimento de softwareDebounce vs Throttle em JavaScript: como funcionam, quando usar cada um, testado
Debounce vs. acelerador em JavaScript explicado com tempos que medimos em Node.js: como cada um funciona, implementações simples, chamadas iniciais …
Leia o artigo →Desenvolvimento de softwareGerenciadores de contexto Python explicados: a instrução with, contextlib e usos reais
Os gerenciadores de contexto Python explicados com o código que executamos: como funciona, __enter__ e __exit__, contextlib.contextmanager, supressã…
Leia o artigo →Inteligência artificialTemperatura LLM e Top-p explicados: como os modelos de IA escolhem sua próxima palavra
Temperatura LLM e top-p explicados com uma simulação que executamos: como as probabilidades são remodeladas, o que top-p mantém, configurações recom…
Leia o artigo →DevOpsYAML explicado: sintaxe, o problema da Noruega e outras armadilhas que testamos
YAML explicado com um teste de analisador: sintaxe básica, listas e mapas, o problema da Noruega, versões que se transformam em carros flutuantes, c…
Leia o artigo →DevOpsCron Jobs explicado: sintaxe, programações reais e os erros que os quebram
Cron jobs explicados com cronogramas que verificamos: os cinco campos, operadores, exemplos reais, a armadilha do dia do mês OU do dia da semana, pr…
Leia o artigo →Inteligência artificialExplicação das alucinações de IA: por que os modelos de linguagem inventam as coisas e como reduzi-las
Explicação das alucinações de IA: o que são, por que os modelos de linguagem as produzem, tipos comuns, como reduzi-las com aterramento e instruções…
Leia o artigo →DevOpsVariáveis de ambiente explicadas: arquivos .env, segredos e configuração bem feitos
Variáveis de ambiente explicadas com exemplos de Python que executamos: leitura e configuração, por que cada valor é uma string, arquivos .env, hera…
Leia o artigo →Desenvolvimento de softwareExplicação da limitação de taxa de API: algoritmos, cabeçalhos e tratamento de erros 429
Limitação de taxa de API explicada com uma simulação que executamos: token bucket, janela fixa, janela deslizante, 429 respostas, cabeçalhos de limi…
Leia o artigo →Automação de testesZombando em Python: unittest.mock, patch e os erros que fazem os testes mentirem
Zombaria em Python com unittest.mock, testado: Mock e return_value, side_effect, patch onde um nome é usado, especificação e autospec, zombaria de d…
Leia o artigo →Teste de softwareCobertura de código explicada: cobertura de linha versus filial e o que 100% realmente significa
Cobertura de código explicada com uma execução cobertura.py real: cobertura de linha, ramal e condição, leitura de um relatório, por que 100% de cob…
Leia o artigo →Bancos de dados e SQLDELETE vs TRUNCATE vs DROP em SQL: diferenças, reversão e quando usar cada um
DELETE vs TRUNCATE vs DROP explicado com SQL testado: o que cada um remove, rollback, aciona, redefinição de identidade, velocidade e como PostgreSQ…
Leia o artigo →Bancos de dados e SQLExibições SQL explicadas: crie, use e evite as armadilhas, com exemplos
Visualizações SQL explicadas com consultas que executamos: criação de uma visualização, resultados ao vivo, ocultação de colunas, desempenho, visual…
Leia o artigo →Desenvolvimento de softwareInterface TypeScript vs tipo: diferenças reais, testadas com o compilador
Interface TypeScript versus tipo, verificada com o compilador real: o que ambos podem fazer, o que apenas um pode fazer, mesclagem de declarações, e…
Leia o artigo →Desenvolvimento de softwarePython *args e **kwargs explicados: funções flexíveis com exemplos claros
Python *args e **kwargs explicados com o código que executamos: empacotamento e descompactação, ordem dos parâmetros, argumentos somente de palavras…
Leia o artigo →Desenvolvimento de softwareFunções Python Lambda: sintaxe, usos reais e quando não usá-los
Funções lambda do Python explicadas com o código que executamos: sintaxe, classificação com chave, mapa e filtro, fechamentos, armadilha de ligação …
Leia o artigo →Inteligência artificialO que são agentes de IA? Como eles funcionam, com um loop de agente simples que você pode executar
O que são agentes de IA? Um guia simples para o loop do agente, ferramentas, memória e proteções, com um pequeno loop Python que executamos, riscos …
Leia o artigo →DevOpsMonitoramento versus observabilidade: a verdadeira diferença, com logs, métricas e rastreamentos
Explicação do monitoramento versus observabilidade: falhas conhecidas e desconhecidas, logs, métricas e rastreamentos, um passo a passo do incidente…
Leia o artigo →DevOpsDocker Volumes vs Bind Mounts: persista os dados do contêiner da maneira certa
Volumes Docker versus montagens de ligação explicadas: por que os dados do contêiner desaparecem, volumes nomeados, montagens de ligação, tmpfs, exe…
Leia o artigo →Automação de testesTDD vs BDD: principais diferenças, um recurso criado de ambas as maneiras e quando usar cada um
TDD vs BDD explicado com um recurso de desconto construído em ambos os sentidos: refatoração vermelho-verde com o código que executamos, cenários da…
Leia o artigo →Teste de softwareTeste de aceitação do usuário (UAT): processo, lista de verificação e exemplos reais
Explicação do teste de aceitação do usuário: quem o executa, como ele difere do controle de qualidade, um processo de sete etapas, um modelo de caso…
Leia o artigo →Bancos de dados e SQLValores SQL NULL explicados: IS NULL, COALESCE, NULLIF e as armadilhas a serem evitadas
Valores SQL NULL explicados com consultas que executamos: lógica de três valores, IS NULL, COALESCE, NULLIF, como agregações, junções e classificaçã…
Leia o artigo →Bancos de dados e SQLInstrução SQL CASE WHEN: sintaxe, exemplos reais e erros comuns
SQL CASE WHEN explicado com consultas que executamos: formulários simples e pesquisados, ordem de condição, pivôs com SUM, truques COUNT, classifica…
Leia o artigo →Desenvolvimento de softwareO que é JWT? JSON Web Tokens explicados com um exemplo prático
O que é JWT? JSON Web Tokens explicados: as três partes, um token construído e adulterado no código que executamos, JWT vs sessões, armazenamento, t…
Leia o artigo →Desenvolvimento de softwareLoop de eventos JavaScript explicado: pilha de chamadas, microtarefas e temporizadores com exemplos
O loop de eventos JavaScript explicado com o código que executamos: pilha de chamadas, filas de tarefas e microtarefas, por que setTimeout 0 não é i…
Leia o artigo →Desenvolvimento de softwareGeradores Python e rendimento explicado: economize memória com exemplos reais
Geradores Python e rendimento explicados com o código que executamos: como eles pausam e reiniciam, medem economia de memória, pipelines, sequências…
Leia o artigo →Inteligência artificialO que são incorporações? Similaridade de vetores e cossenos explicada de forma simples
O que são incorporações? Um guia em linguagem simples para vetores, similaridade de cossenos e pesquisa semântica, com um pequeno exemplo que execut…
Leia o artigo →DevOpsImplantação azul-verde vs canário: diferenças, compensações e como escolher
Explicação da implantação azul-verde versus canário: como cada um funciona, custo, risco e reversão, agrupamento estável de usuários que testamos, m…
Leia o artigo →Automação de testesTestes instáveis: o que os causa e como corrigi-los para sempre
Testes instáveis explicados com demonstrações que executamos: as principais causas, como confirmar e diagnosticar uma, soluções adequadas para tempo…
Leia o artigo →Teste de softwareTeste de carga versus teste de estresse: diferenças, métricas e exemplos k6
Teste de carga versus teste de estresse explicado: o que cada um prova, testes de pico e absorção, as métricas que importam, por que as médias engan…
Leia o artigo →Teste de softwareCaso de teste versus cenário de teste: principais diferenças, exemplos e quando usar cada um
Caso de teste vs cenário de teste explicado: definições claras, uma tabela lado a lado, um recurso de redefinição de senha retirado de cenários para…
Leia o artigo →Bancos de dados e SQLOtimização de consultas SQL: leia planos de execução e corrija consultas lentas, com intervalos
Otimização de consulta SQL testada em um milhão de linhas: leia planos de execução, adicione os índices corretos, corrija filtros não sargáveis, use…
Leia o artigo →Bancos de dados e SQLSQL UNION vs UNION ALL: diferenças, exemplos e desempenho testado
SQL UNION vs UNION ALL explicado com consultas que executamos: duplicatas, as regras que ambos seguem, um bug de dados real, desempenho medido, INTE…
Leia o artigo →Desenvolvimento de softwareTutorial da API JavaScript Fetch: GET, POST, tratamento de erros e tempos limite
Um tutorial da API JavaScript Fetch testado em um servidor local: GET e POST, por que 404 não lança, um auxiliar reutilizável, strings de consulta, …
Leia o artigo →Desenvolvimento de softwareManipulação de arquivos Python: leitura, gravação, CSV, JSON e pathlib com exemplos
Manipulação de arquivos Python explicada com código que executamos: modos abertos, com, leitura de arquivos grandes, CSV, JSON, pathlib, arquivos bi…
Leia o artigo →Desenvolvimento de softwareClasses e objetos Python: tutorial OOP com exemplos reais
Classes e objetos Python explicados com código que executamos: __init__, métodos, atributos de classe vs instância, herança, propriedades, métodos d…
Leia o artigo →Inteligência artificialO que é um modelo de linguagem grande? Como funcionam os LLMs, explicado sem exageros
O que é um modelo de linguagem grande? LLMs explicados em linguagem simples: tokens, incorporações, atenção, treinamento, temperatura e janelas de c…
Leia o artigo →DevOpsComandos Linux para iniciantes: o guia essencial do terminal com exemplos
Comandos Linux para iniciantes, agrupados por tarefa: navegação, arquivos, visualização de logs, grep, pipes, permissões, processos e arquivos, com …
Leia o artigo →Automação de testesSelenium vs Playwright: principais diferenças, código comparado e qual escolher
Selenium vs Playwright comparado: arquitetura, espera, suporte a navegador e linguagem, depuração, o mesmo teste em ambas as ferramentas, conselhos …
Leia o artigo →Teste de softwareParticionamento de equivalência: técnica de design de teste explicada com exemplos resolvidos
Explicação do particionamento de equivalência: como encontrar partições válidas e inválidas, exemplos resolvidos para idades, senhas e cupons, teste…
Leia o artigo →Teste de softwareGravidade vs Prioridade em Testes de Software: Diferenças, Matriz e Exemplos Reais
Explicação da gravidade versus prioridade em testes de software: definições claras, uma matriz de quatro vias com exemplos, escalas de nível, quem d…
Leia o artigo →Bancos de dados e SQLTutorial de subconsultas SQL: tipos, subconsultas correlacionadas e EXISTS com exemplos
Um tutorial de subconsultas SQL com consultas que executamos: subconsultas escalares, IN, FROM e SELECT, subconsultas correlacionadas, EXISTS, a arm…
Leia o artigo →Bancos de dados e SQLTransações SQL e ACID explicados: COMMIT, ROLLBACK e níveis de isolamento
Transações SQL e ACID explicadas com uma transferência bancária que executamos: COMMIT, ROLLBACK, savepoints, locks, níveis de isolamento, leituras …
Leia o artigo →Desenvolvimento de softwareFolha de dicas dos comandos do Git: os comandos que você realmente usa, com exemplos
Uma folha de dicas de comandos Git agrupada por tarefa: configuração, preparação, ramificações, controles remotos, stash, histórico e desfazer erros…
Leia o artigo →Desenvolvimento de softwareExplicação das promessas de JavaScript: então, catch, Promise.all e erros comuns
Promessas JavaScript explicadas com o código que executamos: estados, cadeias then e catch, tratamento de erros, Promise.all, allSettled, race e any…
Leia o artigo →Desenvolvimento de softwareTutorial do dicionário Python: métodos, exemplos e padrões comuns
Um tutorial de dicionário Python com código que executamos: criar, ler e atualizar dictos, métodos-chave, mesclagem, compreensão, padrões de contage…
Leia o artigo →Inteligência artificialO que é RAG? Geração aumentada de recuperação explicada com um exemplo prático
O que é RAG? Geração aumentada de recuperação explicada passo a passo: indexação, chunking, embeddings, recuperação, um pequeno exemplo funcional de…
Leia o artigo →DevOpsTutorial Terraform para iniciantes: infraestrutura como código do primeiro arquivo aos módulos
Um tutorial do Terraform para iniciantes: comece sem conta na nuvem, aprenda como iniciar, planejar e aplicar, depois variáveis, saídas, estado, mód…
Leia o artigo →DevOpsDocker vs Kubernetes: principais diferenças, como eles funcionam juntos e o que você precisa
Docker vs Kubernetes explicado: o que cada um faz, o mesmo aplicativo rodando com ambos, Docker Compose e Swarm comparados, a mudança do dockershim …
Leia o artigo →Automação de testesTutorial Pytest para iniciantes: luminárias, parametrização e exemplos reais
Um tutorial pytest para iniciantes com testes que executamos no pytest 9.2: asserções, fixtures, parametrizar, conftest, marcadores, tmp_path, monke…
Leia o artigo →Teste de softwareCiclo de vida de teste de software (STLC): 6 fases, critérios de entrada e saída, exemplo
O ciclo de vida de teste de software explicou: seis fases do STLC com critérios de entrada e saída, resultados, um exemplo de recurso de login funci…
Leia o artigo →Desenvolvimento de softwareGit merge vs rebase: diferenças, exemplos e quando usar cada um
Git merge vs rebase explicado com saída real do log, uma tabela comparativa, a regra de ouro do rebase e um fluxo de trabalho seguro para equipes.
Leia o artigo →Desenvolvimento de softwareList comprehension em Python: sintaxe, exemplos e quando evitar
List comprehension em Python explicada: sintaxe, filtros, if-else, laços aninhados, tempos medidos e quando um laço for comum é a melhor escolha.
Leia o artigo →Bancos de dados e SQLSQL JOIN explicado com exemplos (Inner, Left, Right, Full)
Entenda os joins SQL passo a passo com tabelas e consultas de exemplo: INNER, LEFT, RIGHT, FULL, CROSS e SELF, além de erros comuns e dicas de desem…
Leia o artigo →