Claude Code no desenvolvimento ADVPL: guia prático

ADVPL é uma linguagem de nicho: pouca documentação pública, muita convenção herdada e um ecossistema que gira em torno do dicionário de dados do TOTVS Protheus. Justamente por isso, o ganho de usar um assistente de código como o Claude Code no dia a dia ADVPL é grande — quando se sabe usar.

Onde a IA acelera de verdade

• Geração de esqueleto de fontes: relatórios, rotinas de importação, jobs e telas MVC saem do zero para uma base funcional em minutos;
• Leitura de código legado: pedir para a IA explicar um fonte de 2 mil linhas escrito há dez anos economiza horas de arqueologia;
• Documentação: cabeçalhos, comentários e documentação técnica gerados a partir do próprio código;
• Revisão: a IA aponta query sem filtro de filial, falta de tratamento de erro, variável não inicializada — o checklist que todo revisor faz, sem cansar;
• Pontos de entrada: encontrar o PE certo e gerar a implementação base.

Onde a IA erra (e como se proteger)

Sejamos honestos: modelo de linguagem não conhece o SEU dicionário, as SUAS customizações nem o SEU ambiente. Os erros clássicos:

• Inventar função de biblioteca que não existe na sua versão;
• Ignorar compartilhamento de tabela (exclusivo × compartilhado) e filial;
• Gerar código que compila mas fere o padrão do seu repositório.

A solução é dar contexto: dicionário de dados, fontes de referência do seu padrão e regras do projeto. Com o Claude Code operando dentro do repositório, lendo os fontes existentes antes de escrever, a taxa de acerto muda de patamar. E a regra de ouro continua: todo código gerado passa por revisão sênior antes de subir.

Ganho real, medido com honestidade

Como estimativa do que vemos na prática: tarefas de desenvolvimento repetitivo (relatório novo, tela de cadastro, integração padrão) caem de dias para horas. Em manutenção de base grande — centenas de fontes customizados — o ganho maior está na leitura e no diagnóstico, não na escrita. O desenvolvedor não fica obsoleto: fica mais caro por hora, porque passa a revisar e decidir em vez de digitar boilerplate.

Como adotar sem quebrar a operação

1. Comece em fontes novos e de baixo risco, nunca no coração do faturamento;
2. Defina um padrão de projeto (nomenclatura, tratamento de erro, log) e alimente a IA com ele;
3. Mantenha revisão humana obrigatória — os erros comuns ao adotar IA no ERP quase sempre nascem de pular essa etapa;
4. Meça: horas por tarefa antes e depois, taxa de retrabalho, bugs em produção.

A Totusia desenvolve customizações ADVPL com aceleração por IA e revisão sênior há anos de estrada Protheus. Se quer levar essa esteira para dentro da sua TI — ou contratar o desenvolvimento pronto — conheça o serviço de desenvolvimento ADVPL com IA.

Perguntas rápidas

A IA substitui o desenvolvedor ADVPL?

Não — ela muda o trabalho dele. A digitação de código estrutural diminui; a revisão, a arquitetura e a decisão técnica passam a ocupar o centro. Times pequenos passam a entregar como times médios, e o conhecimento do ERP fica ainda mais valioso.

Funciona com qualquer versão do Protheus?

O assistente gera código para a versão que você indicar, mas a validação final é sempre no seu ambiente: compile, teste e revise. Quanto mais contexto do seu repositório a IA recebe, menor a chance de usar recurso indisponível na sua release.