🟣 Prompts & Padrões de Conversa

Descrever o resultado desejado em vez de ditar a sequência técnica — "identifique perguntas técnicas e rascunhe a resposta", não "use um nó IF com regex".

Liberta a IA para usar todo o repertório dela; o caminho costuma ser melhor que o seu.

Outcome > instrução; não microgerenciar; a IA escolhe a rota.

Dizer exatamente o formato e o destino: "75 perfis", ".docx na pasta saídas", "tabela com colunas data, tópico, resumo".

Saída vaga gera resultado vago e mais idas e vindas (mais token).

Quantidade exata; formato; nome do arquivo; pasta de saída.

Começar no modo de planejamento: a IA pesquisa, faz perguntas e propõe um plano; só depois de aprovado é que constrói.

Você corrige rumo no plano (barato) e não no meio do build (caro).

Pesquisa → perguntas → plano → aprovar → bypass para executar.

Devolver feedback específico ("gostei da estrutura, mas o tom está formal demais") em vez de correção seca ("está errado").

Feedback faz a IA ajustar o raciocínio; correção seca só remenda a saída.

Específico; o que gostou + o que mudar; alimenta o loop de melhoria.

Falar com a IA como com um desenvolvedor experiente: você define objetivo e contexto, ela escolhe ferramentas, escreve e depura.

Microgerenciar limita a IA ao seu conhecimento; delegar libera o melhor dela.

Gerente vs desenvolvedor; delegar resultado; confiar no repertório.

Padrões que queimam token: reutilizar conversa inchada, não definir "pronto", deixar servers MCP ligados, corrigir a mesma coisa três vezes.

Token é custo; e contexto inchado degrada a qualidade (context rot).

Uma tarefa por sessão; definir "pronto"; /clear quando emperra.

A consolidação: 12 boas práticas (plan mode, objetivo claro, definir pronto, gerenciar contexto, feedback, segredos em .env, testar com vários inputs…).

Vira um checklist mental que você aplica antes de cada build.

12 dicas; assistir o build cedo; salvar skills testadas; recomeçar limpo.

A IA pesquisa os nós/padrões certos, faz perguntas de esclarecimento e propõe um plano para você aprovar.

É a fase mais barata de mudar de ideia; alinhar aqui evita retrabalho.

Plan Mode; perguntas de esclarecimento; aprovar o plano.

A IA constrói o workflow/projeto e valida sozinha o que dá; em bypass, executa sem te interromper.

Você assiste cedo para aprender e interromper se sair do trilho.

Auto-validação; bypass permissions; assistir o build.

Algumas etapas são manuais: criar credenciais OAuth, criar a planilha de destino, mapear campos.

Saber a fronteira evita esperar a IA fazer o que só você pode fazer.

OAuth manual; criar destino; mapear valores; chave nunca no chat.

Quando algo quebra, copie a mensagem de erro inteira + onde ela aconteceu de volta para a IA, e peça para diagnosticar e corrigir.

Erro sem contexto vira chute; erro com contexto vira correção rápida.

Mensagem + local do nó; "por que isso aconteceu"; reexecutar.

Com o básico funcionando, você melhora em camadas: tratar erros, melhorar a lógica, polir a saída, acelerar — tudo conversando.

"Funciona" vira "funciona bem": casos de borda, UX, eficiência.

Iterar em camadas; ordem de prioridade; uma mudança por vez.

Testar com cenários reais (inclusive casos de borda e fora de escopo), conferir números e fatos, exigir que o agente diga "não sei".

Um fluxo "verde" pode dar a resposta errada; testar é o que revela.

Cenários reais; conferir fatos; recusar inventar; checklist por teste.

Antes de qualquer mudança, duplicar ou exportar (JSON) e estabelecer uma linha de base testada.

Você reverte sem perder o que já funcionava — e não culpa a mudança nova por um problema antigo.

Export JSON; linha de base; reversível; caminho feliz preservado.

Um prompt para gerar o CLAUDE.md (papel, contexto, preferências, regras) na raiz de um projeto novo.

É o ponto de partida de todo projeto; o system prompt persistente.

Pasta dedicada; markdown; iterar o arquivo conversando.

Prompt para instalar um MCP server (project-level), gerar o .mcp.json e ler a chave do .env — nunca do chat.

É como a IA ganha "braços": raspar a web, ler bancos, falar com apps.

.mcp.json; project-level; chave no .env; /mcp para verificar.

Um prompt de abertura completo que descreve o resultado, a fonte de dados e o destino — deixando a IA planejar a arquitetura.

"Um prompt para reger todos": começar certo economiza idas e vindas.

Outcome + fonte + destino; deixar a IA perguntar; aprovar o plano.

Um template de prompt para colar a mensagem de erro + local + o que você esperava, e pedir diagnóstico, causa e correção.

Transforma "deu erro" num pedido acionável que a IA resolve rápido.

Erro literal; contexto; "por quê"; sem mudar mais nada.

Seis prompts de melhoria de um agente: fallback sem match, filtro por tempo, filtro de automáticos, tom de marca, nome do cliente, indicador de confiança.

É o salto de "funciona" para "funciona bem", aplicado em camadas.

Erro/lógica vs qualidade; ancorar no workflow existente; testar cada um.

Um prompt para empacotar uma tarefa repetida como skill no formato oficial (SKILL.md) chamável por slash command.

Para de reexplicar: consistência, economia de contexto, reuso.

.claude/skills; nome, descrição, argumentos, passos; sob demanda.

Prompt para construir uma tarefa agendada (cron) que roda sozinha, pesquisa um tópico fixo, sintetiza e escreve uma linha numa planilha.

Para algo rodar sem você, é preciso build pensado para o "agentic gap".

Inputs fixos; saída estruturada; erro + log desde o 1º prompt.

Dois prompts: gerar um frontend (com a skill de design) e, depois, pedir uma auditoria de segurança rigorosa do app.

App aberto é risco (alguém gasta seus tokens); auditar fecha as brechas.

Skill de design; rotas protegidas; segredos em env; RLS ativa.