O framework WAT organiza qualquer automação agêntica em três camadas. O diagrama abaixo mostra como o agente lê os workflows, escolhe as ferramentas certas e roda o loop de auto-melhoria que torna o sistema mais confiável a cada execução.
Diagrama ilustrativo — recriação conceitual do framework WAT, não uma captura de tela real.
💻 O assistente sob demanda (local)
Antes de pensar em colocar nada na internet, vale usar o assistente de código como um ajudante pessoal sob demanda, disparado da sua própria máquina. Ele pesquisa, constrói arquivos e fica mais inteligente a cada uso — e tudo acontece localmente: nada de hospedagem ou deploy nesta fase. Ver o agente trabalhar perto de você primeiro constrói intuição antes de adicionar a complexidade da produção.
💡 A ideia central
O agente é, ao mesmo tempo, um pesquisador e um construtor: ele lê fontes, gera arquivos, executa e melhora. Nesta trilha, dois projetos-exemplo se repetem — um workflow de pesquisa e um gerador de slides — usados para fixar os conceitos sem precisar de servidor algum.
- •Local primeiro: tudo roda na sua máquina, sem deploy.
- •Sob demanda: você dispara quando precisa; ele faz e volta.
- •Fica melhor: cada uso refina os workflows e ferramentas.
🎯 Dica prática
Comece pequeno e observe. Antes de automatizar de ponta a ponta, rode uma tarefa simples e veja o agente raciocinar — essa observação inicial é o que te dá segurança para confiar nele em tarefas maiores.
Lê e reúne informação.
Gera arquivos e código.
Sem hospedagem ainda.
Mais inteligente a cada uso.
🎯 O que são workflows agênticos
Em uma automação tradicional, você liga e configura cada passo; se algo quebra, você conserta. Em um workflow agêntico, você diz ao agente o resultado que quer, não como fazer — e ele raciocina, adapta, faz perguntas de esclarecimento e se auto-cura quando algo dá errado. A analogia é simples: em vez de cozinhar seguindo a receita, você pede o prato pronto a um cozinheiro experiente.
✓ Mentalidade agêntica
- ✓"Transforme estas notas em um documento limpo e estruturado."
- ✓Deixar o agente decidir a sequência de passos.
- ✓Confiar que ele adapta a rota quando encontra um obstáculo.
✗ Mentalidade de receita
- ✗"Abra o arquivo, leia a linha 1, depois a 2, formate assim…"
- ✗Prescrever cada microetapa do processo.
- ✗Esperar que ele siga cegamente sem raciocinar.
🍽️ A analogia do restaurante
Você não entra na cozinha para ensinar o chef a picar a cebola. Você pede "um bife ao ponto" e confia na experiência dele. Com workflows agênticos, o resultado é o pedido; o agente é o chef que sabe o caminho.
Você descreve o fim.
O agente decide os passos.
Muda a rota se preciso.
Conserta o que quebra.
🎲 Determinístico vs não-determinístico
Automação tradicional é determinística: a mesma entrada gera sempre a mesma saída — "boring is beautiful", previsibilidade é uma virtude. A IA generativa é não-determinística por natureza: a mesma entrada pode gerar saídas diferentes, porque o agente raciocina entre alternativas no meio do processo. Isso não é um defeito a ser combatido — é como a ferramenta funciona.
| Aspecto | Determinístico | Não-determinístico |
|---|---|---|
| Saída | Sempre idêntica | Pode variar |
| Exemplo | Automação clássica (n8n) | Agente de IA |
| Virtude | Previsibilidade | Adaptação criativa |
🎯 Dica prática
Não compare duas execuções tela a tela. Se a estrutura ou os nomes mudam entre runs, isso é esperado. Avalie o resultado — ele atende ao objetivo? — em vez de exigir reprodução exata.
Tradicional repete igual.
IA pode mudar a saída.
Escolhe entre alternativas.
Variação não é erro.
📋 WAT — W = Workflows
A primeira camada do framework é o W de Workflows: arquivos de instrução em markdown, escritos em linguagem natural com cabeçalhos, bullets e negrito. Eles funcionam como uma descrição de cargo ou SOP (procedimento operacional padrão) — dizem ao agente o que fazer, qual a entrada, qual a saída esperada e quais passos seguir. Por serem arquivos, eles persistem e são reutilizáveis em tarefas futuras semelhantes.
# Workflow: resumir notas ## Objetivo Transformar notas brutas em um documento estruturado. ## Entrada Arquivo em temporary/resources/notas.txt ## Saída esperada Documento com: decisões · ações · próximos passos ## Passos 1. Ler o arquivo de notas. 2. Extrair e agrupar por seção. 3. Gerar o documento via a ferramenta de conversão.
📑 O que um bom workflow declara
- •Objetivo: o resultado final, em uma frase.
- •Entrada e saída: onde os dados entram e como o resultado deve sair.
- •Passos: a sequência em linguagem natural, sem código.
Linguagem natural.
Como uma descrição de cargo.
Fica salvo no projeto.
Serve para tarefas futuras.
🤖 WAT — A = Agent
A segunda camada é o A de Agent — o assistente de código em si. Ele é o cérebro e coordenador: lê os workflows, enxerga as ferramentas disponíveis e decide qual usar, quando e com quais parâmetros. Pense num gerente de projeto que delega: ele não faz o trabalho braçal de cada ferramenta, mas orquestra tudo para que o objetivo seja atingido.
🧭 O que o agente faz
- •Lê: abre os workflows e o CLAUDE.md para entender o que precisa fazer.
- •Vê: percebe as ferramentas e MCPs disponíveis no projeto.
- •Decide: escolhe a sequência e as ferramentas para chegar ao resultado.
O agente como gerente de projeto
Lê a "descrição de cargo"
O agente abre os arquivos de workflow para entender a tarefa, como um gerente lê o briefing antes de delegar.
Inventaria as ferramentas
Ele verifica quais scripts e MCPs estão disponíveis — o "time" que pode acionar.
Delega e orquestra
Escolhe a ferramenta certa para cada passo e encadeia o trabalho até entregar o resultado.
O coordenador do sistema.
Entende a tarefa.
Sabe o que pode usar.
Escolhe a rota.
🛠️ WAT — T = Tools
A terceira camada é o T de Tools: scripts Python que fazem o trabalho real. Idealmente cada ferramenta faz um trabalho só — raspar um site, gerar um PDF, analisar dados. O ponto-chave: a IA escreve e conserta essas ferramentas, então você não precisa saber programar. Basta saber que elas existem e o que cada uma faz.
✓ Boa ferramenta
- ✓Faz um único trabalho bem definido.
- ✓Tem entrada e saída claras.
- ✓É reaproveitada por vários workflows.
✗ Evite
- ✗Uma ferramenta gigante que faz tudo.
- ✗Tentar ler ou editar o código você mesmo.
- ✗Misturar várias responsabilidades num script só.
🎯 Dica prática
Você não precisa entender o Python das ferramentas. Verifique apenas se o workflow produz o resultado certo; se uma ferramenta falha, peça à IA para consertá-la — ela escreveu, ela conserta.
Scripts que executam.
Foco em uma tarefa.
Sem você programar.
Reparo automático.
🔄 O loop de auto-melhoria
O que torna o WAT poderoso é o loop de auto-melhoria: o agente roda um workflow, encontra um erro, diagnostica, conserta a ferramenta e atualiza o arquivo de workflow para que aquele erro não se repita. Com o tempo, os runs ficam mais suaves e rápidos — o sistema aprende com cada falha em vez de tropeçar nela de novo.
O ciclo, passo a passo
Rodar
O agente executa o workflow com as ferramentas disponíveis.
Diagnosticar o erro
Quando algo quebra, ele lê a mensagem de erro e identifica a causa.
Consertar a ferramenta
Ajusta o script Python responsável pela falha.
Atualizar o workflow
Registra a lição no arquivo de workflow para que o erro nunca mais aconteça.
📈 Por que isso importa
A diferença entre consertar só a saída de hoje e atualizar o workflow é enorme: a primeira resolve uma vez; a segunda faz o sistema melhorar para sempre. Sempre peça a correção no workflow e na ferramenta, não apenas no resultado.
Executa o workflow.
Entende o erro.
Ajusta a ferramenta.
Registra a lição.
📐 CLAUDE.md profissional
Para workflows totalmente automatizados, o CLAUDE.md deixa de ser um system prompt simples e vira um documento de onboarding: declara o framework WAT e como cada camada funciona, as regras de operação, a estrutura de pastas e as preferências de estilo. A estrutura recomendada separa workflows, ferramentas, arquivos temporários e segredos.
meu-projeto/ ├── CLAUDE.md # onboarding WAT + regras ├── workflows/ # instruções em markdown ├── tools/ # scripts Python (um trabalho cada) ├── temporary/ # arquivos intermediários e saídas └── .env # chaves e segredos (nunca versionado)
⚠️ Atenção: mantenha enxuto
- ✗Não passe de ~500 linhas — arquivos longos fazem regras se perderem.
- ✗Se a IA repete um erro mesmo com a regra escrita, o arquivo pode estar grande demais.
- ✗Não jogue instruções detalhadas de cada tarefa aqui — isso vai para skills.
🎯 Dica prática
Reserve o CLAUDE.md só para o que vale em toda sessão (propósito, framework, regras de operação). Detalhes específicos de cada tarefa moram em skills, carregadas sob demanda.
Explica o WAT à IA.
workflows/tools/temp/.env.
Enxuto e direto.
Só o que vale sempre.
🚀 Primeiro workflow agêntico
Hora de pôr o WAT em ação: construir um workflow que transforma um arquivo de notas brutas em um documento limpo e estruturado — com decisões, ações e próximos passos. O segredo é separar concerns: primeiro o agente gera os workflows e as ferramentas; só depois você roda para produzir o documento final, e então itera.
O fluxo do build
Criar o CLAUDE.md (Plan Mode)
Em Plan Mode, peça um CLAUDE.md na raiz usando o framework WAT com a estrutura de pastas; revise e aprove o plano.
Colocar o insumo e limpar o contexto
Salve as notas em temporary/resources e limpe a conversa para começar com contexto fresco.
Gerar workflows + ferramentas (ainda não o documento)
Descreva o documento desejado e instrua a criar primeiro os workflows e tools — não a saída final.
Rodar e iterar
Dispare o workflow para gerar o documento; depois dê feedback específico e peça para atualizar workflow + tool + saída.
🎯 Dica prática
Edições podem ser parciais (ex.: o texto mudou de cor, mas as linhas da tabela não). Ao pedir uma mudança, peça que ela seja aplicada ao workflow e à ferramenta, não só ao documento — assim a melhoria persiste para os próximos runs.
🧷 Lembretes do build
- •Descreva o resultado, não os passos.
- •Limpe a conversa antes de uma nova tarefa.
- •Nunca versione o arquivo .env de segredos.
Planeja antes de agir.
Build antes de rodar.
Feedback que persiste.
Workflow serve de novo.
🧠 Checagem rápida
No framework WAT, qual camada é o coordenador que lê os workflows, vê as ferramentas e decide qual usar?
📌 Resumo do Módulo
Próximo Módulo:
2.2 — Estendendo o Agente: MCP & Pesquisa