🔵 Domínio do Agente de Código

Usar o assistente de código como ajudante pessoal sob demanda: pesquisa, constrói arquivos e fica mais inteligente a cada uso — tudo rodando localmente.

Ver o agente trabalhar localmente primeiro constrói intuição antes de adicionar complexidade (deploy vem depois).

Assistente de pesquisa e build; nada de hospedagem nesta fase; dois projetos-exemplo (pesquisa e slides).

Em vez de ligar e configurar cada passo, você diz ao agente o resultado que quer; ele raciocina, adapta e descobre os passos.

É a mudança de mentalidade central — pedir o prato pronto em vez de seguir a receita.

Descrever o fim; o agente raciocina/adapta/se auto-cura; analogia do desenvolvedor experiente.

Automação tradicional é previsível ("boring is beautiful"); IA generativa é não-determinística por natureza — a mesma entrada pode gerar saídas diferentes.

Aceitar a variação evita interpretá-la como erro; você foca em especificar resultados.

Previsibilidade vs criatividade; o agente raciocina entre alternativas; variação é normal.

Workflows são arquivos markdown em linguagem natural (cabeçalhos, bullets, negrito) que agem como descrição de cargo ou SOP, dizendo ao agente o que fazer.

É a primeira camada do framework — instruções reutilizáveis que persistem entre tarefas.

Markdown como SOP; objetivo, entrada, saída e passos; persistente e reutilizável.

O agente é o assistente de código em si: o cérebro/coordenador que lê os workflows, vê as ferramentas disponíveis e decide qual usar e quando.

Entender que o agente delega como um gerente de projeto esclarece quem faz o quê no WAT.

Coordenador/cérebro; lê workflows + vê ferramentas; decide a rota.

As ferramentas são scripts Python que fazem o trabalho real, idealmente um trabalho cada (raspar um site, gerar um PDF, analisar dados); a IA escreve e conserta.

Você não precisa programar — basta saber que as ferramentas existem e o que cada uma faz.

Um trabalho por ferramenta; geradas e reparadas pela IA; sem conhecimento de código.

O agente roda um workflow, encontra um erro, diagnostica, conserta a ferramenta e atualiza o arquivo de workflow para que o erro não se repita.

É o que torna runs mais suaves e rápidos com o tempo — o sistema melhora sozinho.

Diagnosticar → consertar → registrar; correção persiste no workflow; melhora contínua.

Um CLAUDE.md de onboarding que declara o framework WAT, regras de operação, estrutura de pastas (workflows/tools/temporary/.env) e estilo.

É o documento que dirige workflows totalmente automatizados; mantê-lo enxuto evita que regras se percam.

Onboarding do WAT; pastas-padrão; manter sob ~500 linhas; mover detalhes para skills.

Pôr o WAT em ação: transformar um arquivo de notas brutas em um documento limpo e estruturado, passando pelo loop de iteração.

É o primeiro build completo — gera workflows + tools, roda, revisa e itera.

Plan Mode; separar build de execução; feedback que atualiza workflow + tool; limpar contexto.

O MCP é um protocolo que deixa uma única conexão expor muitas ferramentas/ações; o agente descobre qual chamar, quando e com quais parâmetros.

É a forma padrão de dar novas capacidades ao agente sem reescrever nada.

Conexão única expõe ações; o agente decide sozinho; analogia do Gmail (enviar/rascunhar/ler).

Servers MCP vivem em diretórios (como mcp.so) e na busca do GitHub por "MCP server" + nome do serviço.

Saber onde procurar acelera a escolha da ferramenta certa para a tarefa.

Categorias: scraping (Firecrawl), bancos (Postgres/Supabase), documentos (Drive/Notion), comunicação (Slack/Gmail).

Dar ao agente o comando de instalação da documentação do provedor; ele gera o .mcp.json com a entrada do server e um placeholder de chave.

A instalação é simples, mas a chave precisa ser inserida com cuidado para não vazar.

Comando do provedor; .mcp.json gerado; inserir a chave manualmente, nunca no chat.

O comando /mcp mostra os servers instalados e seu status; se um não aparecer, reiniciar o assistente costuma resolver.

Saber verificar evita horas perdidas achando que a instalação falhou.

/mcp lista status; reiniciar registra novos servers; causa comum de "não aparece".

Um workflow de ponta a ponta: dar um tema, pesquisar a web com Firecrawl, sintetizar achados e gerar um documento estruturado (plan → build → run).

É o build que mostra o MCP em uso real reaproveitando o framework WAT.

Plan Mode; alvo de fontes (3-5); CLAUDE.md WAT como config; Firecrawl raspa múltiplas fontes.

Produzir markdown e convertê-lo para um arquivo de documento por meio de uma ferramenta gerada de conversão.

Separar conteúdo (markdown) de formato (documento) torna a saída flexível e reusável.

Markdown primeiro; ferramenta de conversão; atualizar markdown nem sempre atualiza o documento.

Dar feedback específico ("gostei disso, mude aquilo") e, se algo quebra, pedir para a própria IA se consertar (loop de auto-cura).

O primeiro run raramente é perfeito; o loop é o que leva à qualidade.

Feedback estruturado; quanto mais específico, melhor; pedir para se consertar.

Skills são instruções em markdown numa pasta especial de skills, conceitualmente idênticas aos workflows, mas invocáveis como slash command.

É como você torna um workflow reutilizável, consistente e econômico em tokens.

Pasta .claude/skills; uma pasta por skill; slash command; carregadas sob demanda.

Empacotar uma skill quando há repetição, necessidade de consistência, complexidade ou compartilhamento em time; digitar quando é tarefa única ou simples.

Evita criar skills demais (overkill) ou repetir instruções complexas à toa.

Repetição/consistência/complexidade/time → skill; one-off/experimento/simples → digitar.

Construir uma skill de "rascunhar e-mail" no formato oficial, com SKILL.md (nome, descrição, argumentos, passos) e invocá-la como /draft-email.

Mostra como uma skill fica instantaneamente reutilizável com as mesmas regras a cada chamada.

SKILL.md; argumentos (bullets, destinatário, tom); invocar sem argumentos pede o que falta.

Outro build WAT: um workflow que lê um documento, extrai os pontos-chave e gera uma apresentação profissional.

Reforça o fluxo CLAUDE.md (WAT) → workflow + tools → run → iterar em outro artefato.

Extrair pontos-chave; estilo; iterar cores/fontes; sobrepor uma skill de design.

Cinco padrões para resultados consistentes: objetivo (não passos), saída específica, Plan Mode primeiro, feedback (não correção) e tratar a IA como especialista.

São hábitos que elevam a qualidade de qualquer build agêntico.

Você é o gerente, a IA é a desenvolvedora; feedback em vez de "está errado".

Context rot: a qualidade degrada quanto mais longa a sessão; erros aparecem mais após ~60% de uso, quando o histórico ruidoso afoga as regras centrais.

Reconhecer as zonas evita perda silenciosa de qualidade.

Zonas 0-50 (ok), 50-70 (amarelo), 70-85 (laranja), 85%+ (limpar).

/clear reseta toda a conversa; /compact faz um resumo inteligente que mantém o essencial e comprime o resto.

Escolher a ferramenta certa preserva contexto útil sem carregar lixo.

Clear ao trocar de tarefa / degradou; compact no meio quando o contexto sobe.

Estratégias para gastar menos: uma tarefa por sessão e limpar; definir "pronto"; usar skills em vez de CLAUDE.md gigante; desligar MCPs não usados.

Sem um fim definido, o agente pode buscar demais e desperdiçar tokens.

Definição de "pronto"; skills economizam contexto; cada MCP ativo custa contexto.

Um checklist de 12 boas práticas para construir workflows agênticos com qualidade, do Plan Mode ao gerenciamento de contexto.

Consolida tudo da trilha num guia rápido de consulta.

Plan Mode sempre; objetivo claro; definir "pronto"; testar com várias entradas; assistir cedo.