O Google tornou open source o Elephant-Goldfish Model (EGM), um plugin para colocar revisão de design antes da escrita de código em fluxos com agentes de IA. A proposta é simples: a IA que ajuda a escrever a especificação não deve ser a única a revisá-la.
O anúncio foi feito no Google Open Source Blog e o código está no GitHub. A dor que o projeto tenta atacar é conhecida de quem já usa IA para desenvolver: a velocidade sobe, mas junto sobem bugs, “slop” e perda de contexto entre sessões. Sem barreiras estruturadas, o time não só escreve código mais rápido — escala os próprios erros mais rápido.
O que é o Elephant-Goldfish Model
O EGM divide o trabalho em dois papéis. O Elephant é a sessão com memória longa: guarda contexto do projeto, decisões anteriores e visão de arquitetura. Nessa fase não se escreve código; a IA entrevista o humano, debate trade-offs e transforma intenção em design doc. Os Goldfish são sessões sem memória: leem só o rascunho e o material citado para apontar suposições não ditas, requisitos confusos e riscos de implementação.
A lógica é tirar a revisão do mesmo contexto que criou o documento. Quem escreveu a spec tende a preencher lacunas com contexto que nunca foi para o papel; um leitor frio tropeça nessas lacunas antes de elas quebrarem na implementação.
O que o plugin faz
- Automatiza a transferência de contexto entre Elephants e Goldfish.
- Orquestra loops de validação e renderiza documentos de design.
- Conduz três fases de co-design antes da implementação.
- No repositório, a skill de review aparece com revisão em cinco estágios, cobrindo design, clareza, aderência ao codebase e plano de implementação.
- Mantém o humano como revisor executivo: ele resolve trade-offs, escolhe o que corrigir e aprova a spec. Só depois o agente escreve a primeira linha.
O anúncio do Google fala em levar o EGM para o Antigravity, com outros ambientes a caminho. O repositório já mostra manifests e adapters para múltiplos agentes de codificação, mas com uma ressalva importante: o projeto está sob Apache 2.0 e não é um produto oficialmente suportado pelo Google.
Por que isso importa para produto, dados e CRO
Para times digitais, o ponto não é “mais código”, é menos retrabalho. Feature mal especificada vira experimento mal montado, tracking errado e decisão tomada em cima de dado ruim. Um fluxo que obriga contexto, revisão fria e aprovação humana antes da implementação conversa diretamente com governança de experimentação: a pergunta deixa de ser “a IA entregou rápido?” e passa a ser “o que foi aprovado antes de virar código?”.
Na prática, o EGM empurra o time para uma rotina mais madura: explicitar problema, alternativas, arquivos afetados e riscos antes de abrir PR. Para squads que já sofrem com fila de testes, débito técnico e tracking quebrado, esse tipo de guardrail pode valer mais do que mais uma ferramenta de autocomplete.
Leia também no CRO Brasil
- Replit Agent: como criar e publicar apps com IA (e quando faz sentido usar)
- Prompts para analytics, CRO e produto: como escrever melhor e 12 modelos prontos