🟢 Fundamentos & Primeiro Workflow

Construir software e automações conversando com a IA em linguagem natural — você descreve o resultado e ela cuida da implementação.

Remove o overhead técnico: dá foco ao problema, não à mecânica de cada nó. Velocidade e iteração rápida.

Linguagem natural dirige o build; a IA faz o "trabalho pesado"; iterar é só pedir a mudança.

Um assistente que roda dentro do editor: lê arquivos, escreve/edita, roda comandos e conecta ferramentas via MCP.

Entender assinatura (taxa fixa, baseada em chat) vs API (por uso/token) evita surpresas de custo.

A IA relê toda a conversa a cada mensagem; sessões focadas custam menos; "uma pasta por projeto".

Uma pasta por projeto + um arquivo CLAUDE.md em markdown que funciona como system prompt persistente (papel, contexto, preferências).

Define quem a IA é e como deve ajudar em todo o projeto, sem repetir contexto a cada conversa.

Gerar via pedido em linguagem natural; editável a qualquer momento; comece com pasta vazia.

O n8n é um construtor visual de workflows; um MCP server o conecta à IA, que passa a ler/criar/testar/depurar workflows.

É a ponte que permite construir automações conversando, sem montar nó a nó na mão.

Clonar manualmente (não NPX); config no nível do projeto; API key + URL da instância só no .env.

Documentação que ensina a IA os tipos de nós, parâmetros, estruturas e padrões do n8n.

Com as skills a IA monta workflows corretos — você não precisa conhecer cada nó.

Instalação igual à do MCP (muda só o repo); atualizar o CLAUDE.md; reiniciar para registrar.

Uma sequência de 4 testes antes de construir: diretório do projeto, conexão MCP, leitura de workflows e documentação dos nós.

Garante que o ambiente está 100% pronto — evita perder tempo depurando setup no meio de um build.

Quatro testes; erros comuns (API key parcial, MCP não conecta, auth falha); deixar a IA diagnosticar.

Os modos que controlam quanto a IA pode fazer sozinha: pedir antes, editar automático, plano, auto, bypass.

Equilibrar velocidade e segurança — saber quando deixar a IA agir e quando aprovar passo a passo.

Plan Mode planeja sem agir; bypass pula aprovações (perigoso); escolher o modo por contexto.

A IA pesquisa nós, faz perguntas de esclarecimento e propõe um plano para você aprovar antes de construir.

Alinhar expectativas antes de gastar tokens construindo a coisa errada.

Perguntas (colunas, ações extras); plano aprovável; pesquisa de padrões.

A IA cria e valida os nós no n8n a partir do plano aprovado.

Saber os limites: credenciais, planilhas e mapeamento ficam com você.

Criação + validação automática; fronteiras claras entre IA e humano.

Conectar Gmail/Google Sheets (OAuth2) e OpenAI (chave de API) de forma segura.

É a parte que só você pode fazer; entender o fluxo evita erros de permissão.

OAuth2 para Google; chave de API para OpenAI; segredos nunca no chat.

Copiar a mensagem de erro de volta para a IA diagnosticar e corrigir.

O loop humano de debug é a habilidade central — erro vira correção rapidamente.

Erro como insumo; iteração; a IA lê, entende e propõe a correção.

Pedir melhorias conversando — por exemplo, mudar o intervalo de polling.

Refinar sem reabrir o build; o workflow evolui por conversa.

Mudanças incrementais; linguagem natural; ajustes pequenos e seguros.

Um agente que classifica e-mails, busca em PDFs de política (vector store) e rascunha respostas.

É o projeto que amarra todo o ciclo num caso real e útil.

RAG; classificador de texto; respostas a partir da base de conhecimento.

Checklist visual + testar cenários reais; "verde" no editor não significa resposta correta.

Evitar que o agente invente o que não sabe — qualidade real, não só execução sem erro.

Testar como usuário; a IA deve recusar inventar; verde ≠ correto.

Iterar uma melhoria por vez, distinguindo "funciona" de "funciona bem".

Mudanças isoladas são fáceis de testar e reverter.

Camadas; incremento; medir antes/depois de cada mudança.

A sequência recomendada de melhorias: tratar erro, depois lógica, depois qualidade da saída, depois performance.

Resolver o que mais importa primeiro evita otimizar o que ainda quebra.

Robustez antes de polimento; performance por último.

Marcador de confiança + nó de código + IF + rascunho "vamos pesquisar e retornar" quando não há resposta na base.

Garante uma resposta digna mesmo quando o agente não sabe.

Score de confiança; ramo IF; rascunho de fallback.

Processar só e-mails mais novos que X minutos, com a sintaxe "newer than" no gatilho.

Evita reprocessar histórico antigo a cada execução.

Janela temporal; filtro no gatilho; eficiência.

Detectar e ignorar no-reply, out-of-office e newsletters.

Não desperdiçar processamento (e tokens) com mensagens que não precisam de resposta.

Padrões de remetente; cuidado com maiúsculas/minúsculas (case sensitivity).

Atualizar o system prompt do agente e o rascunho de fallback para soarem como a marca.

Consistência de voz transmite profissionalismo.

Tom definido no prompt; fallback alinhado; revisão de exemplos.

Extrair o nome da assinatura do e-mail; usar "Olá" como fallback quando não houver nome.

Personalização aumenta a qualidade percebida da resposta.

Extração de nome; fallback gracioso; saudação dinâmica.

Um badge alto/médio/baixo derivado do score do vector store, para revisão interna.

Sinaliza quais rascunhos precisam de olho humano antes de enviar.

Score → faixa; badge de confiança; triagem para revisão.