Frameworks Opinativos e IA
Por que o conservadorismo do Django vence o hype na era dos LLMs
Quem me acompanha de perto sabe que o Django é meu companheiro de guerra no dia a dia. Mas recentemente me dei conta de algo que sempre esteve bem debaixo do meu nariz: o Django se dá incrivelmente bem com Inteligência Artificial.
E isso não é exclusividade dele, mas de ferramentas maduras que trazem padrões de arquitetura consolidados e “induzidos” pelo próprio ecossistema. No Django, tentar implementar um padrão diferente do tradicional Model-View-Template (MVT) é como tentar envergar um palito de churrasco: um pouco até vai, mas se você forçar, ele quebra. O framework te abraça se você segue as regras dele, mas te pune se você tenta lutar contra.
Essa rigidez, que muitos criticavam no passado, virou uma superpotência na era dos LLMs. Tudo se torna previsível. O código gerado pela IA é mais limpo, melhor documentado e baseado em um oceano de repositórios reais que funcionam exatamente da mesma forma.
O Django Rest Framework (DRF) pega carona exatamente no mesmo princípio. Ao contrário do FastAPI que é extremamente permissivo e te dá uma folha em branco, o DRF impõe uma estrutura previsível com suas serializers e viewsets. Em frameworks muito abertos, os modelos de IA frequentemente sofrem para entender a arquitetura do projeto, gerando alucinações, sugerindo abordagens inconsistentes e exigindo mais iterações para implementar uma feature simples.
Essa dificuldade se converte em mais gasto de tokens, mais lentidão no desenvolvimento na features e se você não tomar cuidado, uma bagunça na estrutura do seu projeto.
Para quem escolhe a flexibilidade de frameworks como o FastAPI, a única saída para driblar esse problema é criar a própria rigidez. Você precisa estabelecer um padrão arquitetural estrito e documentá-lo detalhadamente em arquivos de contexto do projeto (como um CLAUDE.md, GEMINI.md ou ai.md). Se o framework não dá o norte, você precisa dar, caso contrário, a IA vai desenhar o mapa do jeito dela.