O Guia Completo do Claude Code: Dos Primeiros Passos a Workflows com 27 Agentes
Um guia completo sobre Claude Code - o ambiente de desenvolvimento com IA que transformou meu workflow. Dos comandos básicos à orquestração multi-agente, sistema de skills e workflows de produção com 27 agentes.
O Guia Completo do Claude Code
De cético a power user: Tudo que aprendi construindo workflows de IA com múltiplos agentes.
Sumário
Parte 1: Começando
- Minha Jornada com o Claude Code
- Configurando Seu Workspace
- Comandos Essenciais do Dia a Dia
- Construindo Seu Segundo Cérebro
- MCP Tools: Conectando com Tudo
Parte 2: Fundamentos Multi-Agente
- Por Que Um Claude Não é Suficiente
- O Sistema de Skills
- Geração de Documentos
- Workflows de Pesquisa
- Engenharia de Contexto
Parte 3: Orquestração Avançada
Parte 4: Workflows de Produção
Apêndice
Parte 1: Começando
Minha Jornada com o Claude Code
Eu não comecei como um crente.
Quando o Claude Code foi lançado, eu era cético. Mais uma ferramenta de código com IA? Já tinha visto demos demais prometendo revolução e entregando autocomplete. Meu workflow estava bom. VS Code, GitHub Copilot, ChatGPT em uma aba do navegador quando precisava. Por que mudar?
Mas uma colega não parava de elogiar. "Não é autocomplete," ela disse. "É como ter um desenvolvedor sênior que nunca dorme, nunca fica irritado e realmente lembra do que vocês conversaram três horas atrás."
Resolvi dar uma chance por uma semana.
Isso foi há seis meses. Não consigo imaginar voltar atrás.
O Que o Claude Code Realmente É
Claude Code é a interface de linha de comando oficial da Anthropic para o Claude. Mas chamá-lo de CLI é subestimar o que ele faz.
É um ambiente de desenvolvimento nativo para IA. Ele lê seu código. Lembra suas conversas. Executa comandos. Cria arquivos. Orquestra outros agentes de IA. Conecta com ferramentas externas através de algo chamado MCP (Model Context Protocol). Aprende seus padrões através de skills customizadas.
Pense nele menos como uma ferramenta e mais como um colaborador persistente que vive no seu terminal.
A Mudança Mental
O maior ajuste não foi técnico — foi mental.
Tive que parar de pensar em IA como um serviço de perguntas e respostas. Claude Code não é algo que você consulta. É algo com o qual você trabalha junto.
Quando enfrento uma feature complexa agora, não penso "Como codifico isso?" Penso "Como descrevo o que preciso para que o Claude me ajude a construir?"
A descrição importa mais que a velocidade de digitação. Clareza importa mais que atalhos de teclado. Entender seu objetivo importa mais que conhecer toda API.
O Que Mudou
Depois de seis meses com Claude Code:
Velocidade: Tarefas que levavam horas agora levam minutos. Não porque digito mais rápido, mas porque delego melhor. Claude cuida das partes repetitivas enquanto foco nas decisões.
Qualidade: Meu código é mais consistente. Claude lembra os padrões que estabelecemos. Ele percebe quando desvio das nossas convenções. Sugere testes que eu teria esquecido.
Aprendizado: Aprendo constantemente. Toda vez que o Claude resolve algo de forma diferente da minha, vejo uma nova abordagem. É como pair programming com alguém que tem experiência diferente da minha.
Escopo: Assumo projetos maiores. Coisas que pareciam ambiciosas demais para uma pessoa se tornam gerenciáveis quando você tem um colaborador incansável.
O Efeito Composto
O poder real não está em nenhuma feature isolada. Está em como elas se acumulam.
A configuração do meu workspace lembra de tudo. Minhas skills customizadas codificam minhas melhores práticas. Minhas conexões MCP dão ao Claude acesso a dados reais. Minha biblioteca de comandos automatiza minhas tarefas recorrentes.
Cada camada se constrói sobre a anterior. Cada semana, minha configuração fica um pouco melhor. A diferença de produtividade entre "eu com Claude Code" e "eu sem" aumenta continuamente.
Por Que Este Guia Existe
Quando comecei, passei semanas descobrindo funcionalidades por acidente. A documentação é boa, mas não consegue capturar workflows que emergem do uso real. Queria criar o guia que gostaria de ter tido.
Isso não é sobre todas as features. É sobre as features que importam — os padrões que se acumulam, as configurações que economizam horas, os modelos mentais que fazem tudo fazer sentido.
Seja você iniciante ou buscando evoluir, espero que minha jornada ajude a acelerar a sua.
Configurando Seu Workspace
O momento em que levei o Claude Code a sério foi quando parei de tratá-lo como uma ferramenta e comecei a tratá-lo como um workspace. Essa mudança exigiu organização.
A maioria dos guias pula direto para comandos. Mas comandos sem estrutura é caos. Você acaba com arquivos espalhados, contextos esquecidos e uma bagunça crescente que torna o Claude menos útil com o tempo.
Deixa eu mostrar como organizo tudo.
A Arquitetura de Dois Domínios
O insight fundamental: existem dois tipos de coisas no meu workspace.
Assets — As coisas em si. Código, imagens, vídeos, PDFs. Coisas que existem independentemente do meu pensamento sobre elas.
Conhecimento — Meu entendimento das coisas. Notas, análises, diários. O trabalho intelectual que faço em cima dos assets.
Esses dois domínios vivem em lugares separados:
Meu Workspace/
├── projects/ # Assets: código real
├── learning/ # Assets: materiais de curso
├── media/ # Assets: imagens, vídeos
├── archive/ # Assets: armazenamento frio
│
└── vault/ # Conhecimento: todas as minhas notas
├── _inbox/ # Captura rápida
├── projects/ # Notas SOBRE projetos
├── research/ # Outputs de pesquisa
├── technical/ # Docs técnicos
└── personal/ # Diário, carreira
A Regra de Decisão
Quando crio algo, uma pergunta determina onde vai:
É a coisa em si, ou notas sobre a coisa?
O componente SwiftUI que estou construindo? Vai em projects/SwiftUI-Components/. Minhas notas sobre padrões SwiftUI que aprendi? Vão em vault/technical/swiftui-patterns.md.
Um PDF de paper de pesquisa que baixei? media/papers/. Minha análise desse paper? vault/research/nome-do-topico/.
Parece simples mas é transformador. Nunca me pergunto onde algo está. A regra de decisão é inequívoca.
Por Que Isso Importa para o Claude
O Claude Code funciona melhor quando sabe onde procurar.
Quando digo "veja minha pesquisa sobre agentes LLM," o Claude olha em vault/research/. Quando digo "atualize o componente de autenticação," o Claude olha em projects/. A estrutura cria previsibilidade.
Mais importante, o Claude consegue referenciar meu trabalho anterior. Se já analisei um tópico, o Claude encontra essa análise antes de começar do zero. Meu conhecimento se acumula em vez de fragmentar.
A Estrutura do Vault
O lado do conhecimento merece mais detalhes:
vault/
├── _inbox/ # Captura rápida (esvaziar semanalmente)
├── _templates/ # Templates do Obsidian
├── _attachments/ # Imagens, arquivos gerados
│
├── projects/ # Notas de projeto (não código)
├── research/ # Outputs de pesquisa
│ └── [topico]/ # Uma pasta por área de pesquisa
├── technical/ # Documentação técnica
├── financial-analysis/ # Outputs do workflow de finanças
├── presentations/ # Outputs do workflow de deck
│
└── personal/
├── journal/ # Entradas diárias
└── career/ # Planejamento de carreira
Cada workflow importante tem seu lugar. Outputs de pesquisa vão para vault/research/. Análises financeiras vão para vault/financial-analysis/. Isso significa que sempre consigo encontrar trabalho anterior sobre um tema.
Convenções de Nomenclatura
Consistência na nomenclatura economiza carga cognitiva:
| Tipo | Convenção | Exemplo |
|---|---|---|
| Pastas | kebab-case | swiftui-components/ |
| Markdown | kebab-case.md | api-patterns.md |
| Trabalho datado | YYYY-MM-DD-topico | 2026-01-21-aapl/ |
| Diário | YYYY-MM-DD.md | 2026-01-21.md |
Não penso mais nisso. A convenção é automática.
Arquivos CLAUDE.md
Todo diretório importante pode ter um arquivo CLAUDE.md — instruções especiais para o Claude quando trabalha naquela área.
Meu CLAUDE.md raiz contém:
- Estrutura de alto nível do workspace
- Comandos principais e seus propósitos
- Convenções que o Claude deve seguir
- Referências a registros importantes
Arquivos CLAUDE.md específicos de projeto contêm:
- Padrões específicos do projeto
- Escolhas de tecnologia
- Convenções de teste
- Notas de deploy
O Claude lê esses automaticamente. É como dar ao Claude um briefing antes de cada conversa.
Começando do Zero
Se está começando agora:
- Crie a estrutura básica — Pastas de assets no topo, vault para conhecimento
- Adicione um CLAUDE.md raiz — Descreva seu workspace, liste convenções principais
- Configure seu vault _inbox — É onde capturas rápidas vão
- Crie sua primeira pasta de projeto — Com seu próprio CLAUDE.md
- Conecte ao Obsidian — O vault funciona lindamente com Obsidian para edição manual
Não engenheirice demais no início. A estrutura evolui conforme você usa. Comece simples, adicione complexidade conforme necessário.
Comandos Essenciais do Dia a Dia
O Claude Code tem dezenas de comandos. Uso cerca de dez diariamente.
Esses não são os comandos mais chamativos — nada de workflows de pesquisa com 27 agentes aqui. São os mundanos que me economizam horas toda semana através de repetição.
Captura Rápida: /capture
O comando que mais uso:
/capture "Ideia pra melhorar o fluxo de auth - usar tokens de sessão ao invés de JWTs"
Isso faz algo simples mas poderoso: roteia a nota para o lugar certo automaticamente.
- Observação técnica? Vai para
vault/technical/ - Ideia de projeto? Vai para as notas do projeto relevante
- Pensamento aleatório? Vai para
vault/_inbox/
O Claude toma a decisão de roteamento baseado no conteúdo. Não escolho destino. Só capturo.
Entrada de Diário: /journal
Meu comando de reflexão diária:
/journal
O Claude me guia através de uma entrada diária estruturada:
- O que realizei?
- O que aprendi?
- O que está me bloqueando?
- Qual o plano pra amanhã?
A entrada vai para vault/personal/journal/YYYY-MM-DD.md com frontmatter apropriado.
Inbox Rápido: /inbox
Às vezes quero capturar sem o Claude tomar decisões de roteamento:
/inbox "Olhar aquele novo compilador do React"
Vai direto para vault/_inbox/. Sem análise, sem roteamento. Velocidade pura.
Resumo de Pesquisa: /research-quick
Para pesquisa rápida sem o workflow completo de 11 agentes:
/research-quick "diferenças entre JWT e tokens de sessão"
O Claude faz pesquisa focada e retorna um resumo. Sem criação de arquivo, sem processo elaborado. Só uma resposta quando preciso de contexto.
Verificação de Contexto: /context
Essencial para conversas longas:
/context
Mostra uso atual da janela de contexto. Quando fica alto, sei que preciso encerrar ou resumir antes de continuar.
Variação mais útil:
/context dump
Exporta o estado atual da conversa para um arquivo. Uso isso quando o contexto está enchendo mas não terminei a tarefa.
Execução Paralela: /parallel
Quando tenho tarefas independentes:
/parallel "rodar testes" "lint do código" "verificar tipos"
Todos três rodam simultaneamente. Para tarefas que não dependem uma da outra, execução paralela economiza tempo significativo.
O Padrão Diário
Meu dia típico:
Manhã:
/journal # Reflexão do dia anterior
/inbox "pensamentos..." # Capturar ideias da noite
/context # Verificar onde estou
Durante o trabalho:
/capture "insight..." # Capturar enquanto trabalho
/research-quick "pergunta" # Pesquisa rápida
/parallel "test" "lint" # Rodar verificações
Fim do dia:
/changelog # Documentar o que mudou
/context dump # Salvar estado se necessário
/journal # Reflexão diária
Esses dez comandos cobrem 80% das minhas interações com o Claude Code.
Construindo Seu Segundo Cérebro
Já tentei todo sistema de anotações. Evernote. Notion. Roam. Logseq. Apple Notes. Arquivos de texto puro. Cada um funcionou por um tempo, depois colapsou sob sua própria complexidade.
O problema não eram as ferramentas. Era a fricção. Fazer notas era fácil. Encontrá-las depois era difícil.
O Claude Code mudou isso. Não porque é um app de notas melhor — não é um app de notas de jeito nenhum. Mas porque torna as notas utilizáveis.
A Integração com Obsidian
Meu vault é um vault do Obsidian. Isso importa porque:
Arquivos locais: Tudo é markdown no meu disco. Sem problemas de sync, sem lock-in de vendor.
Wikilinks: Posso linkar notas com [[nome-da-nota]]. O grafo de conexões emerge naturalmente.
Plugins: O ecossistema de plugins do Obsidian adiciona funcionalidades sem complexidade.
Funciona com Claude: O Claude Code lê e escreve nos mesmos arquivos. Não tem import/export.
Como o Claude Usa Meu Vault
Quando inicio um workflow de pesquisa, a primeira ação do Claude é Fase 0: Descoberta de Contexto.
Ele busca no meu vault trabalho relacionado anterior. Se pesquisei um tópico similar três meses atrás, o Claude encontra essa pesquisa e constrói em cima dela ao invés de começar do zero.
Esse é o efeito composto. Toda nota que faço se torna contexto potencial para trabalho futuro.
Templates Que Reduzem Fricção
Templates do Obsidian + workflows do Claude = estrutura consistente.
Meu template de pesquisa:
---
created: "[date:YYYY-MM-DDTHH:mm:ss]"
type: research
tags: [research]
---
# [title]
## Perguntas Chave
-
## Fontes
-
## Descobertas
-
## Implicações
-
Quando o Claude roda /research, ele cria notas com essa estrutura. Consistência significa encontrabilidade.
Busca Que Funciona
Antes do Claude, eu dependia da busca do Obsidian. É boa, mas é baseada em palavras-chave.
Agora uso o entendimento semântico do Claude:
/vault-search "aquela análise que fiz sobre tokens de autenticação"
O Claude não só combina palavras-chave. Ele entende o pedido e encontra a nota relevante mesmo se não lembro dos termos exatos.
MCP Tools: Conectando com Tudo
Model Context Protocol — MCP — é onde o Claude Code se torna verdadeiramente poderoso.
Sem MCP, o Claude é inteligente mas isolado. Pode ler seus arquivos e rodar comandos, mas não consegue verificar seu email, consultar seu banco de dados, fazer scrape de um site ou acessar APIs.
Com MCP, o Claude conecta com tudo.
O Que o MCP Realmente É
Pense em servidores MCP como adaptadores. Cada servidor expõe capacidades específicas ao Claude:
[Claude Code] ←→ [Servidor MCP] ←→ [Serviço Externo]
Quando configuro o servidor MCP do Firecrawl, o Claude ganha a capacidade de fazer scrape de páginas web. Quando configuro o servidor do arXiv, o Claude consegue buscar papers acadêmicos.
Minha Configuração MCP Atual
| Servidor | Propósito | O Que Habilita |
|---|---|---|
| Firecrawl | Web scraping | Scrape de páginas, extração de conteúdo |
| Exa | Busca semântica | Busca web com entendimento de IA |
| Context7 | Docs de bibliotecas | Acesso a documentação de qualquer biblioteca |
| arXiv | Papers acadêmicos | Busca e download de pesquisa |
| AlphaVantage | Dados financeiros | Preços de ações, fundamentals |
| Apple Health | Dados de saúde | Consulta minhas métricas de saúde |
| Dados sociais | Leitura de tweets (somente leitura) | |
| GitHub | Operações de repositório | PRs, issues, commits |
| Chrome | Controle de navegador | Automatizar interações web |
| claude-mem | Memória de trabalho | Persistir contexto entre sessões |
Cada servidor adiciona capacidades. Juntos, fazem o Claude parecer onisciente.
Como o Claude Usa MCP
Quando pergunto algo que requer dados externos, o Claude automaticamente usa a ferramenta apropriada:
Eu: "Qual o preço da ação da Apple?" Claude: [Usa AlphaVantage] "Apple está negociando a $189.84..."
Eu: "Encontre papers recentes sobre arquiteturas transformer" Claude: [Usa arXiv] "Encontrei 15 papers relevantes..."
Não invoco ferramentas MCP diretamente. O Claude decide quando usá-las.
Parte 2: Fundamentos Multi-Agente
Por Que Um Claude Não é Suficiente
Resisti a workflows multi-agente por meses. Pareciam complexos. Orquestrar múltiplos agentes de IA parecia otimização prematura.
Então bati num muro.
A qualidade da minha pesquisa estagnou. Não importava quão bons meus prompts ficassem, pesquisa com um único Claude parecia rasa. Encontrava fontes óbvias, perdia nuances e declarava conclusões prematuramente.
O problema não era a capacidade do Claude. Era perspectiva.
A Armadilha do Agente Único
Um único agente faz tudo: pesquisa, analisa, sintetiza, critica. Mas isso cria um problema sutil.
Quando um agente encontra informação e depois analisa, não há perspectiva fresca. A mesma "mente" que coletou os dados os interpreta. Viés de confirmação se infiltra.
O Insight Multi-Agente
Múltiplos agentes criam separação de responsabilidades:
- Pesquisador encontra informação
- Analista interpreta padrões
- Crítico desafia conclusões
- Sintetizador combina perspectivas
O analista não viu o processo de pesquisa bruta. O crítico não sabe por que o analista chegou a certas conclusões. Essa separação cria diversidade genuína.
Quando Multi-Agente Importa
Agente único funciona bem para:
- Perguntas rápidas com respostas claras
- Geração de código com requisitos definidos
- Análise simples com conclusões óbvias
Multi-agente brilha para:
- Pesquisa que requer múltiplas perspectivas
- Análise onde viés de confirmação é arriscado
- Decisões complexas com stakes significativos
A regra: se você quisesse uma segunda opinião de um humano, provavelmente quer um segundo agente.
O Sistema de Skills
Comandos são coisas que invoco explicitamente. /research roda pesquisa.
Skills são diferentes. Elas ativam automaticamente quando o contexto combina.
Quando peço "ideias," a skill de brainstorm ativa. Quando estou construindo um dashboard, a skill design-system carrega. Quando estou debugando, sequential-thinking engaja.
A Decisão Skill vs. Comando
Use um comando quando:
- Usuário precisa solicitar explicitamente a ação
- Orquestra um workflow de múltiplas etapas
- Produz output entregável
Use uma skill quando:
- Comportamento deve se aplicar automaticamente baseado no contexto
- Modifica como o trabalho é feito, não qual trabalho fazer
Comandos são verbos: "faça isso." Skills são advérbios: "faça as coisas assim."
Minhas Skills Ativas
| Skill | Dispara Em | O Que Faz |
|---|---|---|
| Brainstorm | "ideias," "explore" | Ideação divergente/convergente |
| Sequential Thinking | Problemas complexos | Passo a passo com confiança |
| Design System | Geração de dashboard | Tokens Digital Craft |
| Python Data Analysis | Análise de dados | Padrões Pandas |
| MCP Resilience | Falhas MCP | Lógica de retry |
| Error Handling | Falhas de workflow | Padrões de recuperação |
| Quality Gates | Fim de workflows | Verificação |
Geração de Documentos
O Claude Code não só escreve texto — ele gera documentos reais.
Os Comandos de Documento
/pdf "report.md" # Gerar PDF de markdown
/slides "deck" # Gerar apresentação PowerPoint
/spreadsheet "data" # Gerar planilha Excel
/docx "proposal" # Gerar documento Word
Cada comando entende os pontos fortes do formato alvo.
Output Multi-Formato
Workflows importantes geram múltiplos formatos automaticamente.
O workflow /deck gera:
- Arquivo PowerPoint (deck principal)
- PDF (para compartilhar)
- Markdown (para referência)
- Notas do apresentador
O workflow /research gera:
- Relatório Markdown
- PDF (formatado)
- Resumo executivo
Workflows de Pesquisa
Meu workflow /research roda 11 agentes especializados. É o workflow que mais uso.
A Arquitetura de 11 Agentes
Fase 0: Descoberta de Contexto
└─ Agente Explore (encontrar trabalho anterior)
Fase 1: Pesquisa (3 agentes em paralelo)
├─ Pesquisador Acadêmico
├─ Pesquisador Web
└─ Pesquisador de Notícias
Fase 2: Análise (3 agentes em paralelo)
├─ Analisador de Fontes
├─ Detector de Padrões
└─ Analisador de Lacunas
Fase 3: Garantia de Qualidade (2 agentes)
├─ Verificador de Fatos
└─ Detector de Viés
Fase 4: Síntese (2 agentes)
├─ Sintetizador
└─ Resumo Executivo
O Output
Outputs de pesquisa vão para vault/research/[topico]/:
vault/research/llm-agents-2026/
├── research-report.md
├── executive-summary.md
├── sources.md
├── gaps.md
└── data/
└── sources.json
Engenharia de Contexto
Contexto é tudo no trabalho com IA. Toda interação acontece dentro de uma janela de contexto. O que está nessa janela determina quão bem o Claude pode ajudar.
O Problema do Contexto
Dois modos de falha:
Escassez de Contexto: Não dar ao Claude informação suficiente.
Poluição de Contexto: Encher a janela com informação irrelevante.
Ambos levam a outputs piores.
Minhas Estratégias de Contexto
Revelação Progressiva: Carregar contexto mínimo inicialmente. Expandir conforme necessário.
Particionamento de Contexto: Workflows multi-agente particionam contexto entre agentes.
Referência Sobre Inclusão: Referenciar arquivos por caminho ao invés de colar.
Gerenciamento de Estado: Salvar estado periodicamente com /context dump.
Monitorando Uso de Contexto
/context
| Uso | Ação |
|---|---|
| 0-40% | Continuar normalmente |
| 40-60% | Evitar workflows grandes |
| 60-80% | Comprimir primeiro |
| 80-95% | Dump e reiniciar |
Parte 3: Orquestração Avançada
Orquestração Multi-Agente
Rodar múltiplos agentes é fácil. Coordená-los efetivamente é a parte difícil.
As Dimensões da Orquestração
Timing — Quando cada agente roda? Dependências — Quais agentes precisam de outputs de quais outros? Fluxo de dados — Qual informação passa entre agentes? Síntese — Como outputs se combinam?
Paralelo vs. Sequencial
Execução Paralela: Agentes que não dependem um do outro rodam simultaneamente.
Execução Sequencial: Quando Agente B precisa do output do Agente A, rodam em ordem.
Padrões Híbridos: Dentro de fases: paralelo. Entre fases: sequencial.
Design de Fases
Fase 0: Descoberta de Contexto
Fase 1: Coleta (paralelo)
Fase 2: Processamento (paralelo)
Fase 3: Garantia de Qualidade (paralelo)
Fase 4: Síntese (sequencial)
Fase 5: Output (sequencial)
Quality Gates
Conteúdo gerado por IA pode estar confiantemente errado.
Quality gates são checkpoints onde outputs são verificados antes de prosseguir.
O Que Quality Gates Verificam
| Verificação | O Que Captura |
|---|---|
| Verificação de Citação | Afirmações sem fontes |
| Qualidade de Fonte | Fontes não confiáveis |
| Calibração de Confiança | Afirmações excessivamente confiantes |
| Consistência Interna | Contradições |
| Identificação de Lacunas | Aspectos faltando |
O Relatório de Qualidade
# Relatório de Qualidade
## Pontuação Geral: 87/100
## Afirmações Verificadas
✓ Números de receita (Fonte: SEC 10-Q)
## Itens Sinalizados
⚠ Projeção baseada em estimativas de analistas
## Afirmações Não Verificadas
✗ "Insiders da indústria sugerem..."
## Recomendação
Pronto para uso com ressalvas anotadas.
Ralph Loops
Percebi que o Claude parava cedo demais. Pedia 80% de cobertura de testes e recebia alguns testes e "Melhorei a cobertura." Mas a cobertura ainda estava em 50%.
Ralph loops corrigem isso.
O Conceito Central
Não pare até que a promessa de conclusão seja detectada.
/ralph-loop "Melhorar cobertura de testes pra 80%. Output <promise>80% COVERAGE</promise> quando terminar."
O Claude roda. Verifica cobertura. Escreve testes. Repete até 80%. Então gera a promessa. Loop termina.
Escrevendo Bons Prompts
Estado Atual Claro: Cobertura de testes atual: 45%
Alvo Mensurável: Alvo: 80% de cobertura
Conclusão Binária: Output <promise>80% COVERAGE ACHIEVED</promise> quando cobertura >= 80%
Limites de Segurança
- Cap máximo de iterações (padrão: 20)
- Detecção de estagnação (sair se sem progresso por 3 iterações)
- Checkpoints salvos
Frameworks de Apresentação
Meu workflow /deck codifica frameworks da McKinsey, BCG, Sequoia, Amazon e Apple.
Os Oito Frameworks
| Framework | Usar Quando | Slides |
|---|---|---|
| McKinsey Pyramid + SCQA | Decisões executivas | 10-15 |
| Hypothesis-Driven | Recomendações estratégicas | 12-20 |
| Sequoia Pitch | Pitches de investimento | 10 |
| Amazon PRFAQ | Lançamentos de produto | 6-10 |
| Assertion-Evidence | Audiências técnicas | 15-25 |
| Marketing Strategy | Pitches de campanha | 15-20 |
| Agency Creative | Conceitos criativos | 15-25 |
| Apple Keynote | Keynotes de produto | 30-50 |
Princípios Centrais
Resposta Primeiro: Lidere com a recomendação.
Títulos de Ação: Títulos de slides devem ser frases completas.
Uma Mensagem Por Slide: Se um slide faz dois pontos, divida.
Parte 4: Workflows de Produção
Deep Research
Meu /research padrão roda 11 agentes. /deep-research são 27 agentes em 12 fases, mirando 100+ fontes.
A Arquitetura
Fase 0 → Descoberta de Contexto
Fase 1 → Planejamento de Pesquisa
Fase 2 → Busca Primária (5 agentes em paralelo)
Fase 3 → Recuperação de Papers
Fase 4 → Recursão de Cadeia de Citações
Fase 5 → Garantia de Qualidade (4 agentes)
Fase 5.1 → Deep Dive de Credibilidade (4 agentes)
Fase 5.5 → Loop de Feedback de Fact-Check
Fase 6 → Análise Avançada (3 agentes)
Fase 7 → Síntese (3 agentes)
Fase 8 → Visualização (2 agentes)
Fase 9 → Geração de Relatório
Fase 10 → Integração
Recursão de Cadeia de Citações
Papers fundamentais frequentemente estão 2-3 citações de distância da pesquisa atual. A recursão os encontra.
Consumo de Recursos
| Métrica | /research | /deep-research |
|---|---|---|
| Agentes | 11 | 27 |
| Tokens | ~300K | ~750K |
| Runtime | 5-10 min | 30-60 min |
| Fontes | 25-50 | 100+ |
Workflows de Marketing
Meu workflow /marketing: 12 agentes em 4 sub-workflows.
Os Sub-Workflows
/marketing "Produto" → 4 fases completas (12 agentes)
/marketing-research "Produto" → Só pesquisa (3 agentes)
/marketing-strategy "Produto" → Só estratégia (3 agentes)
/marketing-creative "Produto" → Só criativo (3 agentes)
/marketing-execution "Produto" → Só execução (3 agentes)
Fase 1: Pesquisa
Market Intel: Dimensionamento de mercado, concorrentes, pricing Social Research: Listening, sentimento, feedback SEO Content: Keywords, lacunas de conteúdo
Fase 2: Estratégia
Strategy Architect: Posicionamento, personas, mensagens Channel Strategist: Canais, influenciadores, email Validation Agent: Fact-check de todas as afirmações
Fase 3: Criativo
Creative Lead: Conceitos, direção visual Content Producer: Headlines, copy, CTAs Video Producer: Scripts, storyboards
Fase 4: Execução
Media Planner: Budget, pacing, canais Analytics Architect: KPIs, atribuição, testes Viz Generator: Mapas de posicionamento, visualizações de jornada
Criando Skills Customizadas
Skills ativam automaticamente quando o contexto combina.
Anatomia de uma Skill
.claude/skills/[nome-da-skill]/
├── SKILL.md # Instruções centrais
├── scripts/ # Helpers de automação
├── references/ # Docs detalhados
└── assets/ # Templates
O Frontmatter Crítico
---
name: nome-da-skill
version: 1.0.0
description: Gatilhos específicos para ativação.
---
Ruim: "Ajuda com gerenciamento de contexto" Bom: "Exportar estado atual da tarefa para markdown quando contexto > 60%"
O Que Faz Uma Boa Skill
- Gatilhos específicos batem gatilhos amplos
- Processo sobre conteúdo
- Formatos de output consistentes
- Integração habilita encadeamento
De Comandos a Workflows
Comandos são invocações explícitas. Workflows são processos multi-agente orquestrados.
Princípios de Design
Fase 0 Sempre: Verificar trabalho relacionado anterior.
Paralelo Onde Possível: Trabalho independente roda simultaneamente.
Dependências Explícitas: Documentar o que cada agente precisa.
Handoffs Estruturados: Passar resumos, não dados brutos.
Quality Gates: Verificar antes de sintetizar.
Degradação Graciosa: Lidar com falhas sem falha total.
Apêndice
Referência Rápida
Comparação de Workflows
| Workflow | Agentes | Runtime | Output |
|---|---|---|---|
/research | 11 | 5-10 min | Relatório de pesquisa |
/deep-research | 27 | 30-60 min | Revisão de literatura |
/finance | 7 | 10-15 min | Análise financeira |
/marketing | 12 | 15-20 min | Estratégia GTM |
/deck | 10 | 10-15 min | Apresentação |
Guia de Contexto
| Uso | Ação |
|---|---|
| 0-40% | Continuar normalmente |
| 40-60% | Evitar workflows grandes |
| 60-80% | Comprimir primeiro |
| 80-95% | Dump e reiniciar |
Cheat Sheet de Comandos
Comandos Diários
/capture "nota" # Roteamento inteligente
/journal # Entrada diária
/inbox "nota" # Captura rápida
/context # Verificar uso
/context dump # Exportar estado
Pesquisa e Análise
/research "topico" # Pesquisa com 11 agentes
/deep-research "topico" # Revisão com 27 agentes
/finance "TICKER" # Análise financeira
Geração de Documentos
/pdf "conteudo" # Gerar PDF
/slides "topico" # PowerPoint
/spreadsheet "dados" # Excel
/docx "documento" # Word
Controle de Workflow
/parallel "cmd1" "cmd2" # Rodar em paralelo
/ralph-loop "tarefa" # Loop iterativo
/cancel-ralph # Parar loop
Exemplos de Configuração de Agentes
Agente de Pesquisa
Task({
subagent_type: "research-analyst",
model: "opus",
prompt: `Pesquisar [topico]. Encontrar:
- Fontes acadêmicas
- Perspectivas da indústria
- Desenvolvimentos recentes
Retornar descobertas estruturadas.`
})
Agente de Quality Gate
Task({
subagent_type: "code-reviewer",
model: "opus",
prompt: `Verificar afirmações:
[afirmações]
Para cada: fonte, verificação, confiança.`
})
Considerações Finais
Seis meses com Claude Code transformaram como trabalho. Não por causa de nenhuma feature isolada, mas por como as capacidades se acumulam.
A estrutura do workspace permite ao Claude encontrar trabalho anterior. O vault preserva conhecimento. MCP conecta com dados externos. Skills codificam melhores práticas. Workflows orquestram processos complexos. Quality gates garantem confiabilidade.
Cada camada se constrói sobre a anterior. Cada semana, o sistema fica um pouco melhor.
Se está começando: foque no básico. Estrutura do workspace. Comandos diários. Construir o hábito.
Se está buscando evoluir: escolha uma área para aprofundar. Orquestração multi-agente. Skills customizadas. Quality gates. Vá fundo antes de ampliar.
Claude Code é a ferramenta de produtividade mais significativa que adotei em anos. Não porque funciona para mim — porque funciona comigo.
Este guia consolida lições de seis meses de uso diário. Para referências específicas de comandos, veja o Cheat Sheet de Comandos.