TRILHA 1

🧭 Por que um mentor

Quando a IA ensina, ela explica na medida errada, parece certa sem estar, supõe sem avisar e responde com conhecimento genérico. Esta trilha dá nome a esses hábitos, mostra por que um prompt melhor não resolve e termina com o seu primeiro mentor gerado: método do especialista, escopo escrito e domínio numa frase.

2
Módulos
12
Tópicos
~1h40
Duração
Base
Nível
0%0 de 12
explica demais ou de menos parece certa sem estar supõe sem avisar conhecimento genérico MENTOR método do especialista ensina construindo junto só diz "funciona" depois de rodar regras com citação do acervo

Como ler: à esquerda, em ciano, o que a IA faz sozinha quando ensina (módulo 1.1). No centro, o mentor: o método de um especialista que você escolhe e delimita (módulo 1.2). À direita, em verde, o que muda na resposta. As outras cinco trilhas constroem, peça por peça, cada seta verde.

Mapa da trilha

Conteúdo detalhado

1.1 ~50 min

🩺 Os maus hábitos da IA quando ensina

Os quatro hábitos (explicar na medida errada, parecer certa, supor sem avisar, responder genérico), cada um num caso real do piloto, e por que a saída é um mentor com mecanismo, não mais um prompt.

O que é:

O hábito de errar a calibragem: uma aula de seis seções para uma dúvida pontual, ou só o código pronto quando você queria entender. A IA não sabe o que você já sabe e não pergunta.

Por que aprender:

Nos dois extremos você sai mais perdido. Reconhecer o sintoma é o primeiro passo para exigir a menor versão que roda e um passo por vez.

Conceitos-chave:

Calibragem · Menor versão que roda · Um passo de cada vez · Claude Code e mentor definidos.

O que é:

O tom da IA não muda com a qualidade da resposta. No piloto, a sessão disse "o validador passa" porque o rodou sem o log; o validador de fora, com o transcript, reprovou.

Por que aprender:

É o hábito mais caro, porque quem está aprendendo não consegue separar "rodou" de "imaginou que rodaria". A saída é prova conferida de fora.

Conceitos-chave:

Validador · Exit code · Transcript · Verificação de fora.

O que é:

Todo pedido tem buracos, e a IA os preenche sem contar. O mentor do piloto abre a resposta com "Suposições (não estavam no pedido)", antes de qualquer código.

Por que aprender:

Suposição escondida só aparece quando quebra no seu caso. Declarada, você corrige no começo e ela vira critério testável.

Conceitos-chave:

Hook e hook Stop · Critério de aborto · Exercício copiável para arrancar suposições.

O que é:

Responder com a média da internet em vez do jeito de um especialista. O mentor ancora cada regra num trecho copiado do que a pessoa publicou, com localizador.

Por que aprender:

Sem acervo, o mentor é IA genérica com outro nome. Com citação, você abre o endereço e confere; no piloto, a nota "reconheço a pessoa nas regras" foi 8.

Conceitos-chave:

Acervo (raw) · Wiki · Citação com localizador · Rastreabilidade.

O que é:

As quatro peças do mentor (acervo + wiki, regras com prova, loop obrigatório, portão de execução), cada uma atacando um hábito. Inclui rodar os validadores no exemplo/ do kit.

Por que aprender:

Um prompt "explique na medida e prove" ajuda numa conversa e some na seguinte. O piloto mostrou que instrução sozinha não segura comportamento.

Conceitos-chave:

Prompt · Skill · Subagente · Mecanismo · 4 peças.

O que é:

O mentor existe para você entender, não só receber código. Previsão antes de rodar e o exercício "Sua vez" devolvem o aprendizado para quem usa.

Por que aprender:

A medida de um bom mentor é você sair sabendo algo que não sabia. No teste 1 do piloto, a lição foi o teto de bloqueio por sessão num hook Stop.

Conceitos-chave:

Loop do mentor · Previsão · Versão quebrada · "Sua vez" com critério de pronto.

Ver Completo
1.2 ~50 min

🎯 Método não é persona: escopo do mentor

O que copiar do especialista e o que deixar fora, o domínio numa frase estreita, como escolher o especialista, o gerador novo-mentor.py na prática e o ESCOPO.md real do piloto.

O que é:

A separação entre método (como a pessoa explica, constrói, depura e verifica) e persona (voz, bordões, opiniões). O kit copia só o método.

Por que aprender:

Imitar a voz é a parte menos útil e a mais arriscada. O método é o que ensina, e é o que dá para citar e conferir no acervo.

Conceitos-chave:

Método · Persona · Comportamento recorrente · Nada em nome da pessoa.

O que é:

As duas metades do escopo: para que o mentor serve (ensinar, revisar) e o que ele não toca (opiniões pessoais e políticas, vida privada, parecer a pessoa).

Por que aprender:

Sem o "fora" escrito, o mentor desliza aos poucos para imitação. Também é aqui que se decide: conteúdo público e nenhuma API paga.

Conceitos-chave:

Fora do escopo · Uso responsável · Exportação manual · Autorização para distribuir.

O que é:

A frase que diz o que o mentor ensina: um assunto, um jeito, um público, numa linha. Bom: "ensinar redes neurais construindo do zero". Ruim: "tudo o que a pessoa sabe".

Por que aprender:

Domínio largo empurra o mentor de volta ao genérico, porque nenhum acervo cobre "tudo". A frase entra no escopo, no config e no agente.

Conceitos-chave:

Funil de restrições · Uma linha · Prompt copiável para apertar o domínio.

O que é:

Três critérios em série: muito material público em texto ou com legenda, jeito de ensinar reconhecível e domínio que você conhece o bastante para julgar.

Por que aprender:

Sem o terceiro critério você não sabe se o mentor acertou. O próprio criador de conteúdo é a opção forte: sem questão de direitos, como no piloto do Nei.

Conceitos-chave:

Material · Reconhecível · Julgável · 20–50 fontes misturando tipos.

O que é:

O gerador do kit: copia o template, troca slug, nome e domínio e entrega o projeto com agente, 6 skills e o portão de execução registrado.

Por que aprender:

É o ponto de partida de todas as trilhas seguintes. Saber ler as mensagens de erro (slug inválido, pasta existente, domínio em mais de uma linha) evita perder o trabalho.

Conceitos-chave:

Slug · Flag · Template · git init para ver cada fase.

O que é:

O escopo real do mentor do Nei: domínio numa frase, 14 lives e 6 guias listados, metas por tipo. A meta de guia reprovou (7.269 de 8.000 palavras) e foi calibrada.

Por que aprender:

Mostra que meta se calibra depois de listar as fontes, e que exit 1 é informação, não algo a maquiar. Termina com o prompt para preencher o seu.

Conceitos-chave:

Fase 0 · Metas de coleta · 21 itens e 187.382 palavras na fase 1 · 22 fontes no acervo final.

Ver Completo
← Voltar para o início Trilha 2: Coleta →