👁️ Por que skills precisam de "olhos"
O Claude Code tem um corte de dados em uma data específica. Tudo que aconteceu depois está fora do seu conhecimento. Para skills estratégicas — que dependem de tendências, performance e contexto atual — trabalhar sem fontes externas é trabalhar com uma fotografia antiga do mundo.
"Pedi para a skill analisar as tendências de IA para apresentar para um cliente. Recebi uma análise linda — citando GPT-4 como modelo mais avançado, mencionando que o Claude 2 era o principal competidor da OpenAI, e sem mencionar o Claude 3, Gemini 1.5 ou nada do que aconteceu em 2024. O cliente riu. Eu queria sumir."
Problema: skill sem acesso a dados atuais. Análise de tendências de IA com dados de 2023 em 2026 é inutilizável.
Análise de tendências em IA: • Modelos de linguagem estão crescendo • OpenAI lidera o mercado • Empresas estão adotando IA • O setor deve continuar expandindo • ChatGPT é a ferramenta mais usada (Análise baseada em padrões genéricos do treinamento — pode ter 12-24 meses de defasagem)
Análise de tendências em IA — Abril 2026: • Buscas por "Claude Code" cresceram 340% nos últimos 30 dias (Google Trends) • Anthropic anunciou Claude 3.7 em Mar/2026 com +180% performance em coding tasks • 73% das Fortune 500 já têm projeto de IA em produção (McKinsey, publicado 12/03) • Stack Overflow: 61% dos devs usam IA diariamente vs 31% em 2024 (Dados coletados em tempo real — fontes verificáveis com link)
Modelo sem ferramentas vs com ferramentas
🔌 Conectores nativos do Claude
O Claude.ai e o Claude Code têm um ecossistema crescente de conectores nativos via MCP (Model Context Protocol). Esses conectores são integrações pré-construídas que permitem acesso direto a sistemas externos sem precisar configurar APIs manualmente.
Ecossistema de Conectores MCP
{
"mcpServers": {
"gmail": {
"command": "npx",
"args": ["@modelcontextprotocol/server-gmail"],
"env": {
"GMAIL_CREDENTIALS_FILE": "~/.claude/gmail-credentials.json"
}
},
"firecrawl": {
"command": "npx",
"args": ["@modelcontextprotocol/server-firecrawl"],
"env": {
"FIRECRAWL_API_KEY": "fc-sua-chave-aqui"
}
},
"github": {
"command": "npx",
"args": ["@modelcontextprotocol/server-github"],
"env": {
"GITHUB_TOKEN": "ghp_seu-token-aqui"
}
},
"brave-search": {
"command": "npx",
"args": ["@modelcontextprotocol/server-brave-search"],
"env": {
"BRAVE_API_KEY": "BSA-sua-chave-aqui"
}
}
}
}
# Triagem de E-mails de Parceiros
## FERRAMENTA NECESSÁRIA
Requer: MCP Gmail conectado e autenticado
## OBJETIVO
Analisar e-mails recebidos de parceiros
estratégicos e priorizar respostas por
urgência e impacto no negócio.
## INSTRUÇÕES DE EXECUÇÃO
1. Acesse a caixa de entrada via Gmail MCP
2. Filtre e-mails das últimas 48h com:
- remetentes na lista de parceiros abaixo
- ou assuntos contendo: "proposta", "urgente",
"oportunidade", "reunião", "contrato"
3. Para cada e-mail encontrado, analise:
- Urgência (Alta/Média/Baixa)
- Impacto potencial (escala 1-5)
- Ação requerida (responder/arquivar/delegar)
## LISTA DE PARCEIROS PRIORITÁRIOS
- contato@acme.com.br (cliente enterprise)
- parceiros@distribuidora-xyz.com (canal principal)
- rafael@investidorabc.com (investidor anjo)
## OUTPUT FORMAT
### Triagem — [data]
**Total analisado:** X e-mails
**Prioridade Alta:** [lista com remetente + assunto + ação]
**Prioridade Média:** [lista resumida]
**Pode aguardar:** [contagem]
### Para cada item de prioridade alta:
- De: [remetente]
- Assunto: [assunto]
- Resumo em 1 frase: [resumo]
- Ação recomendada: [ação específica]
- Prazo sugerido: [quando responder]
📡 Fontes primárias e dados de mercado
Fontes primárias são os dados antes de serem interpretados por terceiros. Feeds RSS de pesquisadores, posts diretos no X/LinkedIn, changelogs de empresas — são o sinal bruto antes de qualquer curadoria editorial.
- • anthropic.com/news (RSS)
- • openai.com/blog (RSS)
- • deepmind.google/discover
- • arxiv.org/list/cs.AI
- • github.com/trending
- • producthunt.com (feeds)
- • news.ycombinator.com
- • crunchbase.com/discover
- • cbinsights.com/research
- • techcrunch.com/startups
- • trends.google.com
- • semrush.com/analytics
- • ahrefs.com/keywords
- • YouTube Analytics (API)
- • similarweb.com
- • X/Twitter (perfis específicos)
- • LinkedIn (posts de CEOs)
- • reddit.com/r/MachineLearning
- • reddit.com/r/artificial
- • discord públicos de ferramentas
- • The Batch (deeplearning.ai)
- • Import AI (Jack Clark)
- • Ben's Bites (bens.bites.com)
- • TLDR (tldr.tech)
- • Exponential View
- • Changelogs de produtos (GitHub)
- • Documentação oficial (docs.)
- • Papers (Semantic Scholar)
- • Relatórios de analistas
- • Transcripts de earnings calls
# Monitor — Blog Anthropic
## FERRAMENTAS NECESSÁRIAS
- Firecrawl MCP (para scraping)
- Brave Search MCP (para contexto adicional)
## OBJETIVO
Monitorar o blog da Anthropic e extrair
novidades relevantes para criadores de
conteúdo que ensinam sobre Claude Code.
## INSTRUÇÕES DE EXECUÇÃO
1. Use Firecrawl para acessar:
- https://www.anthropic.com/news
- https://docs.anthropic.com/changelog
2. Extraia posts/updates das últimas 72h
3. Para cada item relevante, analise:
- Impacto para usuários de Claude Code
- Oportunidade de conteúdo (Alta/Média/Baixa)
- Complexidade para audiência não-técnica
## CRITÉRIO DE RELEVÂNCIA
Incluir: novos modelos, novas funcionalidades,
mudanças de preço, novos conectores MCP,
melhorias de performance documentadas.
Excluir: posts corporativos, vagas de emprego,
conteúdo de pesquisa acadêmica avançada.
## OUTPUT FORMAT
### Radar Anthropic — [data]
**Novidades da semana:** [contagem]
Para cada item:
---
**[Título do update]**
Data: [data]
Link: [url]
O que mudou: [1-2 frases diretas]
Impacto para você: [como afeta quem usa Claude Code]
Oportunidade de conteúdo: [ângulo para vídeo/post]
---
🔗 APIs e integrações externas
Quando os conectores nativos não são suficientes, APIs externas abrem o acesso a qualquer sistema que exponha uma interface REST. Plataformas de analytics proprietárias, CRMs, e-commerce — qualquer dado acessível via API pode alimentar suas skills.
# YouTube Performance Review — Semanal
## CONFIGURAÇÃO DE API
Serviço: YouTube Analytics API v2
Autenticação: OAuth 2.0 (token em env: YT_ACCESS_TOKEN)
Channel ID: UCxxxxxxxxxxxxxxxxxxxx (configurar)
Base URL: https://youtubeanalytics.googleapis.com/v2
## INSTRUÇÕES DE EXECUÇÃO
### Passo 1 — Coletar dados dos últimos 7 dias
Execute GET request:
```
GET /reports?
ids=channel==MINE&
startDate=[7 dias atrás]&
endDate=[hoje]&
metrics=views,estimatedMinutesWatched,
averageViewDuration,subscribersGained,
subscribersLost,likes,comments,shares,
annotationClickThroughRate&
dimensions=video&
sort=-views&
maxResults=20
Headers: Authorization: Bearer {YT_ACCESS_TOKEN}
```
### Passo 2 — Calcular métricas derivadas
Para cada vídeo no resultado:
- CTR aproximado via impressions (se disponível)
- Retenção média = avgViewDuration / videoDuration
- Taxa de engajamento = (likes + comments) / views
### Passo 3 — Identificar padrões
Compare com média das últimas 4 semanas:
- Vídeos acima da média: o que têm em comum?
- Vídeos abaixo: qual a causa provável?
## OUTPUT FORMAT
### Relatório YouTube — Semana de [data]
**Performance Geral:**
| Métrica | Esta Semana | Semana Ant. | Variação |
| Views totais | X | Y | +/-Z% |
| Inscrições | X | Y | +/-Z% |
| Watch time | Xh | Yh | +/-Z% |
**Top 3 Vídeos da Semana:**
[Para cada um: título, views, retenção, insight]
**Vídeo com Pior Performance:**
[Título, problema identificado, hipótese]
**Recomendação para Próxima Semana:**
[1 ação específica baseada nos dados]
Fluxo: Skill com API Externa
Exemplo real: Skill "YouTube Performance Review" → chama YouTube Analytics API → recebe JSON com views/CTR/retenção → Claude analisa padrões → gera relatório com recomendação específica para o próximo vídeo
🌉 Zapier como ponte universal
O Zapier é a solução para conectar o Claude Code a qualquer sistema que não tem conector nativo. Com mais de 6.000 integrações disponíveis, o Zapier elimina a necessidade de desenvolvimento customizado para a esmagadora maioria das integrações necessárias.
Arquitetura: Claude Code + Zapier
respostas
vendas
leads
reuniões
salva análise
notifica time
resposta auto
registra dado
⚠️ Latência do Zapier: dados via Zap podem ter atraso de 1-15 min no plano gratuito, até 2 min no plano pago. Para dados em tempo real, use MCP ou API direta.
🏗️ Construindo um ecossistema de dados
Um ecossistema de dados é o conjunto organizado de fontes, conectores e pipelines que alimenta todas as suas skills. Em vez de cada skill ter suas próprias conexões independentes, um ecossistema compartilha infraestrutura entre todas elas.
Ecossistema completo — Criador de Conteúdo
# Mapa de Dados — [Seu Nome/Negócio]
Data: ___________
## FONTES QUE TENHO ACESSO HOJE
| Fonte | Tipo | Conector disponível | Frequência de update |
|-------|------|---------------------|----------------------|
| [ex: YouTube Studio] | Analytics | API nativa | Diário |
| [ex: Gmail] | E-mails | MCP Gmail | Tempo real |
| [ex: Notion] | Docs/wiki | MCP Notion | Contínuo |
| [ex: Google Drive] | Arquivos | MCP Drive | Contínuo |
## FONTES QUE QUERO CONECTAR (PRÓXIMOS 30 DIAS)
| Fonte | Por que é valiosa | Conector necessário |
|-------|-------------------|---------------------|
| [ex: Blog concorrente] | Monitorar novos produtos | Firecrawl |
| [ex: Google Trends] | Detectar tendências | Brave Search |
## SKILLS QUE SE BENEFICIAM DE CADA FONTE
| Fonte | Skills que a usam |
|-------|-------------------|
| YouTube Analytics | youtube-performance, content-planning |
| Gmail | lead-triage, partner-response |
## GAPS IDENTIFICADOS
Dados que eu precisaria mas não tenho acesso ainda:
- [ex: métricas de concorrentes]
- [ex: dados de busca por palavras-chave do meu nicho]
✅ Resumo do Módulo 2.2
Próximo Módulo:
2.3 — Memory OS: construindo o sistema de memória de 3 buckets