ChatGPT planeja, Codex executa: essa dupla de agentes funciona de verdade?

A ideia é simples de vender: um agente pensa, o outro digita. O projeto codex-with-chatgpt coloca o ChatGPT no papel de estratégia e deixa o Codex executar o código. Parece a dobradinha CEO e CTO, só que automatizada. E é aí que o papo complica.

O que a dupla entrega

O que esse arranjo entrega de verdade: um divide o plano em passos, o outro converte em código que roda. Isso resolve um problema real. Um modelo só não dá conta de planejar e implementar com qualidade ao mesmo tempo; separar reduz alucinação e deixa cada parte fazer o que faz melhor.

O custo é a primeira pedra no sapato. Dois modelos por tarefa significam mais tokens, mais latência e mais dinheiro. O projeto não crava quanto isso custa em reais, e quem roda em self-host descobre rápido que a conta de GPU aparece.

O custo e a LGPD

Depois vem a LGPD. Quando você cruza duas IAs diferentes, o dado pessoal passa por um caminho que nenhuma das duas enxerga de ponta a ponta. Em terra brasilis isso vira risco concreto: você não sabe quem guardou o quê, nem onde.

E tem o gargalo técnico que a comunidade ainda tenta destravar. Como o Codex consome a orientação do ChatGPT sem se perder? Hoje é passagem de texto puro. Frágil, sem contrato, sem tipo. É o elo mais fraco da corrente.

O veredito

Vale testar? Vale, desde que você entenda que isso é orquestração, não mágica. Comece com uma tarefa pequena, meça o custo real e trate o planejamento como rascunho, nunca como ordem final.

Para quem programa com agentes, o recado é direto: o problema nunca foi fazer o modelo pensar. Foi fazer o segundo agente entender o que o primeiro quis dizer.

Fontes: o repositório XiaoDuoYa/codex-with-chatgpt (MIT), o debate do Skillsync sobre portabilidade de sessão entre agentes e o alerta do ZCode sobre upload de histórico. Eu não testei a dupla em produção; leia a fonte antes de plugar.

Acompanhe o canal no Instagram @iakademi.ia para mais análises de arquitetura de agentes.