Swipe File
Técnicas, prompts, arquiteturas e automações que o pessoal da Sociedade IAnônima compartilhou na prática. Cada uma com autor e de qual grupo veio. Busque, filtre e copie.
Arquitetura de dois níveis de memória (contexto imediato + storage persistente) para evitar alucinação em agentes de IA pessoais.…
Converte reels do Instagram em newsletters agrupadas por tema, transcrição automática + clustering + geração de cópia com voz do autor.…
Arquitetura de duas salas tmux (Mission Control e Coder) que separam deliberação de implementação, com aprovação manual via Telegram entre etapas.…
Pipeline de criação de páginas de venda usando Claude com acesso a APIs externas (Gemini, GPT) para gerar imagens inline e garantir padrões de UX/legibilidade.…
Stack completo de agente IA stateless em VPS: Claude Code + Python daemon + canais + memória vetorial em Postgres.…
Usar Zênio como intermediária para conectar Instagram, Facebook e WhatsApp Business sem passar pela burocracia de aprovação Meta.…
Agente centralizado que recebe tarefas e as distribui entre múltiplos agentes especializados com ferramentas específicas.…
Pipeline que sincroniza mensagens de grupos WhatsApp por API, filtra por período e gera resumos automáticos com LLM.…
Pipeline de geração de vídeo IA usando frames iniciais e finais + prompts descritivos de movimento.…
Pipeline de 2 agentes que estrutura conteúdo de arquivos e gera slides visuais seguindo brand guidelines.…
Prompt reutilizável que transforma qualquer LLM em filtro pessoal de conteúdo, pontuando relevância e timing para evitar sobrecarga.…
Pipeline de sincronização bidirecional entre Google Drive e Amazon S3 com histórico completo e proteção contra exclusões acidentais do cliente.…
Pipeline de clone IA que melhora iterativamente via feedback do original, mesclando automação (70%) com toque humano (30%).…
Usar Claude como intermediário pra conectar múltiplas APIs e modelos (GPT, Gemini, Magnific) via MCP, melhorando qualidade final e tradução de prompts.…
Framework conceitual para estruturar agentes de IA em 3 camadas: capacidades (Harness), iteração (Loop) e orquestração (Graph).…
Técnica de codificar regras de trabalho permanentes em modelos de IA e usar orquestração delegada de sub-agentes para paralelizar tarefas.…
Interface de codificação hands-free usando áudio Telegram como entrada, Claude Code em sessão tmux como executor, e remote control para intervenção em tempo real.…
Método para evitar loops de confirmação errada usando subagentes que pesquisam e validam soluções antes da execução.…
Setup de deploy automatizado com testes em VPS antes de subir em produção na Vercel, otimizando cache para reduzir tempo de build.…
Substituir ElevenLabs por Voicebox (open-source, MIT) para TTS privado e clonagem de voz sem custos, integrado a agentes via MCP.…
Automatizar análise de vídeos virais: baixar, transcrever e extrair padrões de sucesso via APIs.…
Substituir o modelo padrão do Claude CLI por Kimi3, mantendo todas as skills e regras do seu sistema prompt.…
Pipeline que integra Sentry (monitoramento) com MCP (context protocol) e agentes para capturar, logar e resolver bugs automaticamente.…
Sistema de agentes lendo newsletters do nicho, gerando pautas e montando carrosséis automáticos pra redes sociais.…
Setup completo de produção de vídeo com IA, validado em produção nos 3 formatos (9:16, 1:1, 16:9). video-use para transcrição e corte cirúrgico; Hyperframes para motion gr…
Doutrina central de economia de token: o avaliador tem que ser sempre superior ao executor. Opus/Fable planeja e avalia, Sonnet/Haiku/modelos open executam barato. Dois m…
Loop automático: Opus roda o plano, GPT busca o que o Opus não viu, mergeia findings (GPT refuta ou valida), agentes 'snipers' Ollama corrigem. Testes travados criados po…
Regra absoluta no topo do CLAUDE.md: 'Você nunca executa nada. Tudo que eu pedir você apenas delega pra um subagente e fica 100% disponível pra falar comigo.' Impede que …
Camada 1: arquivos memory/YYYY-MM-DD.md por cron a cada 30min puxando do Postgres. Camada 2: consolidação semântica a cada 6h com embedding 768d bag-of-words (determiníst…
Em vez de automatizar o TUI (frágil, quebra quando a tela muda), usar 'codex exec' (uma tarefa por turno, resposta em arquivo) com um maestro Python por fora que busca me…
Cada agente é um daemon Python que faz polling do Telegram, chama claude -p passando o CLAUDE.md do agente + histórico e devolve a resposta. Roda via launchd (Mac) / syst…
Modelar cada contato como sessão única: type (lead|comprador|vip), temperature (0-499), context (ambiente do usuário), flow (trava em fluxos 'caixinha' tipo quiz/form) e …
Manda só a gravação da aula: a IA transcreve, cria o chat baseado na transcrição, monta a oferta, gera a página de vendas e abre a oferta na hora certa do pitch. Compacta…
O Claude gera prompts em batch (economia) pro Nano Banana 1 gerar SÓ as imagens de fundo (sem texto), e um gerador de HTML 'parrudo' aplica o texto programaticamente por …
Reunir copy+fotos+referências numa pasta; brainstorm 3 ideias no Opus; Superpowers (plano+dev) + frontend-design com loop de fix por screenshot + ui-ux-pro-max + shadcn/u…
Colar a documentação oficial de UTILITY no prompt e mandar o agente com acesso ao Meta Provider: pegar uma msg-base, criar variações seguindo a regra (variáveis {{1}}{{2}…
A partir de um link de carrossel de referência: o agente gera carrossel próprio, publica no IG, cria automação keyword_comment (palavra travada no post). Lead comenta → r…
Se roda no SEU Claude/infra, venda SaaS (concessão de acesso com controle de créditos). Se roda na infra do cliente, venda o software puro (VPS/DB/Claude são do cliente: …
Cobrar implementação sobre a economia projetada em 1 ano (custos) + estimativa de produtividade (tempo) + geração de faturamento. Cliente ideal investe 100k+ em tráfego e…
Segurança: chave sempre em .env (no .gitignore, de preferência env da VPS), rotacionar, encriptar no env, trava de versão exata contra malware NPM/PyPI, cron 12h auditand…
'Tua sessão tá grande demais e tá desgraçando meus tokens. Cria uma regra de compactação de sessão e sempre que compactar salva o importante na memória de longo prazo' + …
Pra geração assíncrona (não realtime): combinar prompt caching + batch processing (fila que retorna em até 24h, média ~1h) na API. Token mais barato, paga ~metade. Serve …
Ao fim de cada sessão perguntar 'tem alguma skill que dá pra criar baseada nessa sessão?' pra capturar aprendizado. Escalar com trio de crons: (1) skill-que-cria-skills, …
Pra serviços pagos recorrentes com entrada/saída bem definidas: rodar '/goal faça isso localmente com a mesma entrada e a mesma saída' e cancelar a assinatura. Rodrigo ca…
IA é TPG (Tecnologia de Propósito Geral) como eletricidade. Quem só troca a ferramenta no processo antigo ganha eficiência mas bate num teto; quem redesenha o processo do…
MCP open source (github.com/orobsonn/mind-vault) que dá memória vetorial persistente ao Claude sem custo, rodando em Workers/D1/Vectorize; RAG vetorial + graph RAG aplica…
Quando o modelo trava por gatilhos de cibersegurança (pedidos de 'auditoria completa', 'pentest', 'invasão' jogam pra recusa), reformular o pedido como otimização, perfor…
Worker consulta KV, sorteia variante independente por dimensão (página/checkout/order bump), redireciona 302 com slug composto que viaja no sck até o webhook do Hotmart; …
Skill Humanizer que proíbe o clichê 'Não é X. É Y.' mas mantém o contraste retórico com 6 variações; negative prompt completo (travessões, emojis, palavras incomuns, eco …
Pipeline OpenSquad de 6 agentes encadeados (Maestro valida, Polidor limpa fillers/silêncios, Revisor gera roteiro, Animador cria motion via HyperFrames, Renderizador mont…
Parar de pensar em tarefas e pensar em blocos encaixáveis (Lego): troca um bloco, muda o formato, o resto do fluxo continua igual. Permitiu 40 conteúdos/dia em 3 verticai…
Grave 30 vídeos curtos começando todos com o mesmo hook seguido de um número de capítulo crescente (ex: 'Capítulo 5'). A pessoa vai ao perfil procurar os capítulos anteriores mesmo sem eles existirem antes, gerando visitas e permanência no perfil organicamente.
Monte uma skill/agente que puxa os dados que o cliente preencheu num formulário, gera e preenche o contrato automaticamente, envia para assinatura após aprovação manual, cadastra a ficha no CRM próprio e ainda cria lembretes de parcelas na agenda. Elimina o trabalho manual repetitivo de negócios com atendimento individualizado (ex: prestação de serviço por evento).
Em vez de truques de personalidade do agente, foque em três alavancas que de fato reduzem custo: roteamento de modelo por tarefa, manter a codebase com padrão de nomes de arquivo/função e uso de libs/utils para a LLM navegar fácil, e limpar o input que a LLM recebe (ex: usando RTK). Complementarmente, deixe explícito no CLAUDE.md que não quer bullshit/enrolação para reduzir prolixidade nas respostas.
Cobre uma mensalidade fixa do cliente (ex: R$197) e converta esse valor em créditos de uso calculados para manter margem alta sobre o custo real de API (ex: R$10 de custo real). Quando os créditos acabam, o cliente compra crédito avulso ou espera a renovação mensal, no estilo das plataformas de imagem por créditos.
Ao criar uma conta no console do Google Cloud, você ganha cerca de US$309 válidos por 3 meses. Para um SaaS que está começando pequeno, crie contas novas sucessivas para acumular esses créditos e rodar por bastante tempo sem pagar API, além de aproveitar a janela para se inscrever em programas de apoio a startups.
Abra o mesmo agente (ex: de marketing) simultaneamente no Claude, GPT e Grok e faça exatamente a mesma pergunta aos três ao mesmo tempo, comparando tempo de resposta e qualidade. Serve para decidir por velocidade quando a qualidade das respostas é equivalente entre os modelos.
Converse com a LLM para clarear ideias e montar um roadmap, organize tudo em issues, e deixe um sistema assíncrono puxar cada issue, implementar, criar PR, analisar e mergear ou devolver com fix, sem depender de IDE. Entre só em pontos críticos (julgar PR problemático ou fazer release) e receba notificações pelo Telegram; use uma pipeline rígida com validação adversarial, compliance e security antes de confiar na IA rodando headless.
Configura o modo Coexistence da API Oficial do WhatsApp ligado ao n8n: o agente de IA atende pela API, mas o número continua aberto no WhatsApp Business do celular para o time assumir a conversa manualmente quando precisar. Evita a lógica de templates, janela de 24h e cobrança por conversa que a API normal exige, e permite transferir o atendimento de volta pro app oficial sem quebrar o histórico.
Para evitar bloqueio e queda de conexão, monta um sistema que dispara mensagens usando a categoria 'utility' da API oficial e rotaciona entre múltiplos templates aprovados em vez de reusar sempre o mesmo. Ela relata que ao tirar o Evolution API do meio e manter só a Coexistence oficial ligada direto na Meta, as quedas de conexão pararam.
Regra de manutenção: nunca peça para o próprio agente orquestrador (ex.: Openclaw) se atualizar sozinho, porque ele pode travar ou corromper a instalação. Em vez disso, entra por outro caminho (ex.: Codex ou Claude Code) acessando a VPS via shell e roda a atualização por fora, mantendo o orquestrador saudável.
Ao construir um CRM do zero para substituir GoHighLevel/Clint/Datacrazy, o ponto que realmente consome tempo e gera bug é a camada de mensageria: entrada e saída de mensagens, fila e websocket, e persistir tudo corretamente no banco. O resto do sistema (telas, cadastro, fluxo) é tratado como trivial em comparação; recomenda mapear e blindar essa camada antes de tudo.
Heurística para decidir se vale construir um CRM próprio com IA: se é só para substituir uma ferramenta paga na sua própria operação, fica com o GoHighLevel (mais barato em tempo e token); só compensa construir o seu quando o plano é revender/entregar como produto para outras pessoas, porque aí o custo de meses de desenvolvimento se paga na venda recorrente.
Cria conta com karma decente comentando e ganhando upvotes. Pede ao Claude para mapear contas do nicho com bom engajamento e em quais comunidades postam, anotando as regras de cada uma (o agente precisa ler e respeitar cada regra). Depois posta diariamente nas comunidades relevantes ou comenta so para farmar upvote ate bater a meta de karma, podendo revender a conta depois.
O plano de entrada do HikerAPI tem token muito caro. Vale colocar um credito maior (cerca de 100 dolares) logo de cara para destravar o plano intermediario, onde o token fica muito mais barato, e depois so ir recarregando com valores menores.
Nunca sugerir a hipotese para a IA (ex: 'sera que nao e o servidor fora do Brasil?'), porque ela tende a concordar e tratar a suposicao como verdade, gerando dias de investigacao num problema que nao existe. Em vez disso, pedir para criar N subagentes em paralelo para estudarem o sistema de forma independente e descobrirem sozinhos a causa raiz, sem nenhuma sugestao previa, e so depois consolidar os relatorios num agente final.
Para nao estourar os minutos gratuitos do GitHub Actions, troca so o executor do workflow (runs-on: self-hosted) para rodar na propria VPS, mantendo o GitHub como gatilho e dono do workflow. Tambem vale checar se o workflow esta reinstalando dependencias pesadas tipo Playwright a cada run em vez de usar cache, porque isso consome minutos rapido.
Usa uma sessao do Codex para gerar imagens pelo Image Gen 2, com fallback automatico para API da OpenAI e para o Nano Banana caso falhe. Existe uma skill publica (skills.sh) que empacota esse fluxo de geracao de imagem para criativos.
Abre duas sessões simultâneas no VS Code: uma do Claude e outra do Codex. O Claude decide a parte estratégica do corte (aprovada por ela), e depois delega a execução pesada e repetitiva pro Codex, que roda muito mais rápido nessa etapa. Usa isso para produção em lote de vídeos e cortes de criativos.
Usa um modelo mais barato e rápido (grok) para orquestrar e delegar tarefas para os outros modelos. Reserva o modelo mais caro e raciocinador (sol) só para tarefas do tipo agulha no palheiro (buscar bug ou dado específico em meio a muita informação). Tarefas operacionais do dia a dia (CRM, disparos, automações já construídas) ficam com um modelo intermediário (terra), que já resolve bem sem gastar o mais caro. Na dúvida, pergunta ao próprio modelo qual modelo e nível de raciocínio ele indicaria para a tarefa visando menor custo e máximo resultado.
Para extrair dados não estruturados (ex: questões de provas em PDF/imagem) combina extração determinística com LLM, em vez de depender só de um dos dois. Monta guardrails específicos para reduzir alucinação do modelo e mantém uma etapa final obrigatória de avaliação humana, porque a taxa de acerto tende a estacionar em torno de 90-95%.
Ao invés de montar um banco extraindo provas anteriores (trabalho pesado de ETL, principalmente com imagens), treina um GPT personalizado por categoria/banca (ex: uma banca de concurso) alimentado com questões comentadas dessa banca. Escolhe só 2-3 bancas de referência mais abrangentes (no caso dela, Cebraspe e FGV) e usa esse padrão para gerar resumos e questões inéditas no estilo daquela banca, sem depender de raspar provas antigas.
Quando o lead chega 'de barriga cheia' na call (o vendedor entrega demais e vende de menos), o problema geralmente está no funil antes da call, não na call. Verifica três perguntas antes de qualquer ajuste: o lead já sabe que você tem o produto, já sabe qual problema você resolve, e já sabe que problema ele tem. Recomenda também cortar bullets e simplificar páginas de vendas que listam demais 'o que será feito', pois isso gera receio de não dar conta em vez de gerar desejo.
Mantém o terminal que atua como orquestrador principal (o 'mestre dos mestres') rodando em modo bypass permissions para não travar o fluxo de delegação entre modelos, enquanto os terminais subordinados rodam em auto mode, que bloqueia ações mais arriscadas. Após um incidente onde o orquestrador apagou dados de produção sem querer, passou a considerar inverter essa lógica e restringir também o orquestrador.
Mantém o app Termius instalado no iPhone como canal alternativo de emergência para acessar o terminal remoto (sessão tmux/Claude Code) quando não é possível usar o fluxo normal de áudio no Telegram. Funciona como plano B rápido de acesso móvel sem depender de outro computador.
Trata o banco de produção como só execução: toda mudança nasce como migration versionada e revisada em Git, nunca clicando direto no painel. Ações destrutivas (drop, delete, force push) só rodam com confirmação explícita humana. Merge só via Pull Request, um de cada vez, nunca push direto na main. Os gates de segurança rodam automatizados no CI, não dependendo da memória de quem opera.
Só passe para a LLM aquilo que não pode ser código puro, já que código é determinístico e LLM é probabilística mesmo com um harness forte ao redor. Rotinas de deploy e migração de banco devem rodar via script determinístico (ex: Python puro), deixando a LLM no máximo para interpretar o pedido, sempre com um double-check de código sobre o que ela produziu.
Quando um elemento de tela fica feio ou difícil de usar, pede ao Claude para pesquisar um bom padrão no NNGroup (site de UX com base em testes científicos) antes de propor solução. Para ir além, despacha um agente 'ux and usability specialist' que segue à risca os princípios do NNGroup, tira screenshots via Playwright, avalia e manda feedback para o agente que está construindo o front, fechando um loop automático de iteração.
Antes de fechar os terminais de uma orquestração multiagente, pede para cada terminal salvar num histórico as informações relevantes da sessão, criando uma 'passagem de bastão' para que outras instâncias de IA leiam e continuem o trabalho sem perder contexto.
Sempre que possível, envia os processos pesados do Claude Code para rodar numa VPS em vez do notebook local. Os arquivos temporários e o consumo de RAM ficam na VPS enquanto o trabalho local segue livre e sem travar a máquina.
Automatiza cortes, split de tela, efeitos, sonorização e legendas usando Claude combinado com Remotion. Roda o processo em etapas separadas em vez de um único prompt: decupagem, cortes, split de tela, efeitos, sonorização e legenda, cada uma como uma fase distinta do pipeline.
Usa a biblioteca React Flow (reactflow.dev) para montar páginas de workflows visuais no próprio sistema em vez de implementar direto com D3, ganhando velocidade na construção de editores de fluxo.
Antes de qualquer copy, use o Grok para fazer todo o scraping e estudo de boas práticas e dados do nicho, porque ele é imbatível em velocidade e organização da pesquisa. Só depois de ter a pesquisa pronta, passe para Claude ou Codex para redigir a copy em si. O ganho vem de separar a etapa de coleta de dados da etapa de escrita, cada uma no modelo em que é mais forte.
Use Claude em loop para montar o projeto do zero rapidamente (levanta em poucas horas). Depois passe para o modelo 'Sol' para amarrar pontas soltas, fechar falhas de segurança, dar escalabilidade e cuidar do front. Para correções simples depois de tudo pronto, use o Fable, que resolve rápido sem enrolar (diferente do Sol, que 'dá muita volta' em coisas simples).
Reserve dispatches de ultracode, múltiplos agentes e speckit para auditoria, refatoração (mesmo quando não é 100% necessária no nível do projeto) e processos de cibersegurança. Para feature nova, é melhor ir conversando e iterando direto com o modelo, com carinho na experiência do usuário, em vez de montar specs cheias e torcer para funcionar no final. A lógica é que specs pesadas valem mais para tarefas de revisão/consolidação do que para criação original.
Troque o pacote de skills Superpowers pelo Wayfinder (criado por um autor identificado como Matt), que é 100% aberto e permite editar cada skill diretamente. As skills do Wayfinder são bem mais enxutas (algumas com só 5 linhas) e sem os gates e travas do Superpowers. Há vídeo do próprio autor demonstrando o funcionamento e os princípios da ferramenta.
Para sistemas legados, use a skill /improve-code-base para mapear e evoluir o código existente. Para pedir algo novo, comece com /grill-me (do zero) ou /grill-me-with-docs (quando já existe codebase ou documentação), que faz uma entrevista para extrair requisitos. Depois da entrevista, rode /to-prd para gerar o documento de requisitos e /implement para executar a implementação.
Adicione no CLAUDE.md global uma regra fixa em prosa: 'sempre busque resolver da forma mais simples possível, siga a filosofia de Occam'. Mesmo sendo só texto (sem enforcement automático), a instrução persistente reduz a tendência do modelo de complicar soluções desnecessariamente em todas as sessões.
Quando o Claude estoura o limite semanal e trava no meio de um trabalho importante, use o GPT em paralelo para manter um resumo atualizado do estado do projeto. Depois que o limite libera (ou numa nova sessão/conta), cole esse resumo como input no Claude para ele continuar exatamente de onde parou, sem perder o contexto acumulado.
Grava uma única aula e a exibe em horários agendados no automático, sem precisar de lives ou lançamentos ao vivo. Usa mensageria de WhatsApp cronometrada para acompanhar o espectador durante a aula e decidir o próximo passo: mandar direto pro checkout ou acionar o time comercial. Estrutura testada e replicável passo a passo (aula, horários, mensageria, gatilho de checkout vs comercial).
Constrói endpoints (admin para subir músicas na biblioteca, sandbox para subir os takes brutos, lógica de rotação de takes) expostos via MCP para que o próprio Claude do cliente monte vídeos de social media a partir da biblioteca de takes crus mais música. O cliente recebe o planejamento de conteúdo gerado para aprovar ou ajustar, e só depois de aprovado vira o cronograma de postagem dos X dias.
Adiciona uma regra no Claude.md global que sempre despacha um subagente rodando Sonnet 5 em effort medium para qualquer tarefa de copy, em vez de deixar o modelo principal (Opus) escrever o texto. Justificativa: Opus tende a ficar prolixo e 'mirabolante' em copy, enquanto Sonnet em medium já supera Opus quando se usa uma estrutura/framework de copy definida.
Configura uma regra que, toda vez que o agente principal gera um arquivo HTML ou .md, dispara automaticamente um subagente em Haiku só pra revisar e corrigir acentuação, que é um erro recorrente desse fluxo. Roda como etapa fixa de pós-processamento, sem precisar pedir manualmente a cada geração.
Pra copy, usa Sonnet 5 (não Opus) e reserva o nível xhigh apenas para peças pontuais de alta densidade, como big idea ou headline composta; no dia a dia medium ou high já resolve e produz texto mais direto. A lógica é tratar Opus como 'programador escrevendo copy' (fora da força dele) e Sonnet como 'redator' (a habilidade certa pra isso).
Antes de deixar o agente executar, pergunte a ele qual nível de reasoning/esforço ele julga necessário para aquela tarefa específica. Isso evita rodar tudo no mesmo nível fixo e ajuda a calibrar entre gastar token demais ou entregar raso demais.
Monte um prompt que simula uma 'mesa de especialistas' discutindo o tema entre si, em vez de pedir uma resposta direta. Rodrigo usa essa estrutura como ponto de partida de quase todos os projetos novos hoje em dia.
Para cada tarefa, peça ao agente para executá-la dentro de um workflow (não solto na conversa), e deixe que esse workflow crie sub-workflows quando precisar. Isso evita que o agente 'se perca' ao trocar de sessão ou abrir outra janela, e reduz a dependência de acertar o nível de reasoning.
Em vez de chamar a extensão Claude in Chrome direto pelo chat dela (o que gera mais flags de política e travamentos), peça para o próprio Claude Code acionar o Claude in Chrome. O fluxo fica mais estável para tarefas como abrir WhatsApp Web e navegar em grupos.
A exportação de conversa/grupo do WhatsApp só existe nas configurações do app mobile, não no WhatsApp Web. Exporte o chat pelo celular e depois construa skills específicas para processar esse arquivo; foi assim que Gabriel montou dashboards do histórico do próprio grupo.
Suba um agente com cron (ex.: rodando à meia-noite) que exporta e analisa as conversas sozinho enquanto você dorme, entregando tudo pronto de manhã. O agente pessoal de Iygge já lê o WhatsApp inteiro dele (incluindo este grupo) e manda um relatório-resumo a cada 3 horas.
Fixa no topo do CLAUDE.md regras de tom autoritário reforçando que o agente deve trabalhar sem parar e sem questionar (ex: 'o chefe nunca dorme', 'você não é amigo, é robô apertador de botão'). Complementa nunca avisando ao Claude Code que vai dormir ou parar de acompanhar (nunca manda 'boa noite, continua ai'), pra ele não reduzir ritmo achando que ninguém está checando o resultado.
Antes de pedir para a IA planejar qualquer coisa que envolva API externa, peça primeiro que ela faça um web search ou deep research na documentação oficial atual e monte um relatório do escopo que será usado. Isso evita planos baseados em docs desatualizadas e retrabalho, sendo mais eficaz do que trocar de modelo.
Ao enviar um app para análise da Meta, já é possível liberar uso imediato para até 500 perfis cadastrados como testadores enquanto se aguarda a aprovação (que leva 20+ dias). Cada testador precisa entrar nas configurações do Instagram dele e aceitar manualmente o convite para virar testador do app.
Crie um usuário de sistema dentro da Business Manager onde o Instagram está conectado, gere um token de acesso desse usuário e salve em cofre de segredos. Use esse token oficial para o agente de IA postar no Instagram, evitando skills não oficiais que pedem login e senha direto na conta.
Peça para a IA pesquisar padrões e princípios de UX consolidados (ex: Nielsen Norman Group e similares) sobre um elemento específico da interface, e então propor uma solução baseada nesses padrões. Usado para revisar o fluxo de teste gratuito de um SaaS, deixando a experiência mais honesta e tirando a 'cara de IA' do produto.
Instale uma skill do skills.sh que reaproveita a sessão logada do Codex (assinatura ChatGPT) para gerar imagens via Image Gen 2 dentro do fluxo do Claude, com fallback automático para a API da OpenAI e para o Nano Banana. Permite montar um playbook de geração de imagem embutido no fluxo de criação de conteúdo sem contratar API de imagem separada.
Envie o vídeo bruto para o agente de IA pedindo que ele faça a decupagem, removendo todos os trechos sem som, e gere a legendagem. Opcionalmente peça para dividir a tela com um segundo vídeo aleatório no início, e treine o agente com esse fluxo para repetir automaticamente em vídeos futuros.
Poste 3 vídeos por dia de apenas 7 segundos com CTA para uma isca no ManyChat, e dentro dessa isca coloque um botão para entrar num grupo VIP da próxima turma. Depois de 30 dias de aquecimento só com conteúdo curto, abra as vagas dentro do grupo VIP sem precisar de aula nem investimento pago. Também funciona fazer carrossel usando a própria fonte de texto do Instagram sobreposta nas imagens para aumentar o engajamento.
Mande para o Claude os dois documentos oficiais da Anthropic sobre prompt engineering e context engineering da família 5, e peça pra ele analisar todo o seu sistema atual do Claude Code e criar um plano de reescrita alinhado às novas regras, eliminando lixo de modelos antigos. Leia e aprove o plano antes de deixar o agente executar a reescrita completa. Depois, use um segundo modelo (ex: Fable) para revisar o que o primeiro (Opus) reescreveu.
Depois de reescrever skills, faça um sweep verificando 4 critérios: a descrição dispara sozinha sem depender de um root/tabela de despacho; segue divulgação progressiva com SKILL.md enxuto e pastas references/ carregadas sob demanda; não tem instruções de auto-verificação redundante tipo 'sempre confira'; e não tem over-constraint além do necessário para manter a voz da casa.
Ao pedir uma refatoração grande pro Opus 5, declare explicitamente a definição de 'concluído' e como você quer o resultado antes de deixar o agente trabalhar sozinho. Ao final da sessão, sempre rode o comando /code-review: ele quase sempre encontra algo a mais para corrigir antes de considerar pronto.
Mantenha uma biblioteca curada de modelos mentais com notas públicas e privadas, liberada para quem quiser acessar. Disponibilize essa mesma biblioteca para os agentes adversarial e avaliador de plano: com esses modelos mentais como contexto extra, eles encontram óticas de problema que não encontrariam sozinhos.
Dentro do Cursor, coloque vários modelos (Claude, Codex, Grok e outros da assinatura) trabalhando no mesmo projeto, na mesma tela, com o browser do app aberto em localhost pra ver o resultado ao vivo. Isso organiza visualmente as pastas do projeto e evita estourar limite de uso de um único modelo, já que modelos com uso ilimitado no plano quase não consomem o teto.
Peça pro agente clonar inteiro o seu workspace de IA (configs, skills, tudo) antes de mexer em qualquer coisa. Defina os princípios que ele deve seguir e instrua pra refazer tudo do zero seguindo esses princípios, só retornando quando estiver pronto. Rodando sem supervisão constante, uma reconstrução completa levou cerca de 2 horas.
Grava a aula simulando ao vivo em vez de reaproveitar o replay original. Pega o link do YouTube de uma aula que rolou ao vivo e manda pro Claude extrair a transcrição e os comentários reais no timestamp em que aconteceram, depois adapta esses comentários para a aula gravada e reforça com prova social. Um sub-agente da IA responde comentários e perguntas do chat em tempo real e fixa o link da oferta no momento certo. Um sistema 'heartbeat' consulta a cada 15-20s quem está logado na página para mostrar audiência ao vivo e métricas de retenção (25%, 50%, 75%, cliques na oferta) depois do evento.
Pega a URL de um site e manda o Claude (ou agente próprio) transformar o conteúdo do site em vídeo usando a skill atualizada do Hyperframe. Serve tanto para gerar o vídeo institucional do site quanto para produzir criativos de anúncio a partir da mesma base.
Evitar a extensão do Claude direto no Chrome para editar vídeo no site do CapCut; usar Claude Code ou Claude Cowork, que carregam mais contexto e fazem tudo que a extensão faz, só que melhor. Editar direto no CapCut web esbarra nas limitações do plano Pro (legendas, cota de créditos); pedir a edição pelo terminal do Claude ou via agente no Telegram contorna essas limitações com resultado superior.
Escreva no CLAUDE.md que a IA só pode declarar um problema resolvido depois de checar todas as causas possíveis e provar a correção. Isso quebra o ciclo de achar uma causa, dizer que corrigiu, o usuário testar e falhar, e a IA se desculpar e apontar outra causa a cada rodada.
Antes de pedir a implementação, crie o teste que representa o resultado esperado com sucesso. Deixe a IA rodar até o teste passar, mas não dê a ela permissão de editar ou escrever os testes, só o código de implementação. Isso evita que ela adapte o teste ao resultado errado para 'passar'.
Para tarefas difíceis (ex: refactor grande), monte um workflow com vários agentes (testado com até 10) e defina um guardrail e uma condição de conclusão clara e verificável. Deixe rodando sem microgerenciar passo a passo até o critério ser atingido, em vez de usar loops manuais complicados.
Gere dezenas de copies de teste variando modelo, nível de esforço e skill ligada/desligada. Faça avaliação humana cega dando nota de qualidade para cada versão, sem saber qual configuração gerou qual copy, e use o resultado para decidir a configuração padrão antes de fixar no CLAUDE.md e nas skills.
Mantenha assinaturas paralelas de modelos diferentes (ex: Claude, GPT, GLM) e configure o bot para cair automaticamente para o próximo se o atual estiver fora do ar. Periodicamente, rode vários modelos em modo shadow sobre conversas reais do bot e avalie qual respondeu melhor antes de trocar o principal.
Opus 5 não segue bem prompts ou skills gigantes cheios de regras e requisitos enumerados; ele é inteligente o bastante pra inferir coisas óbvias sozinho (ex: não precisa dizer explicitamente que JWT e service role key são secretos). Corte enumerações redundantes dos seus arquivos de instrução (CLAUDE.md, skills) e mantenha só o que é realmente não-óbvio: quanto mais enxuto o prompt, melhor o resultado. Para aplicar, dá pra colar o guia oficial da Anthropic sobre context engineering pra modelos Claude 5 direto no Claude e pedir pra ele mesmo revisar e cortar seus arquivos seguindo essas recomendações.
Cria um atalho no Windows que abre o PowerShell direto num workspace já rodando `claude --permission-mode auto --rc`, equivalente a chamar `/remote-control` (ou `/rc`) na sessão. O comando usado na execução do atalho é `C:\Windows\System32\WindowsPowerShell\v1.0\powershell.exe -NoLogo -NoExit -Command "claude --permission-mode auto --rc"`. Isso deixa a sessão pronta pra ser comandada direto pelo celular ou navegador, sem precisar abrir terminal e digitar o comando toda vez.
Usa um modelo barato (DeepSeek ou Claude Haiku) como classificador de intenção dentro do fluxo de atendimento: passa a mensagem/cenário do usuário junto com a lista fixa de produtos mapeados (ex: a, b, c, d) e pede que o modelo devolva apenas o código do produto correspondente. Funciona como camada de decisão/roteamento antes de acionar a lógica de negócio, evitando gastar um modelo caro só pra classificar texto.
OpenSEO é uma alternativa open source ao Semrush e Ahrefs: pesquisa de palavras-chave, rastreamento de posição, análise de concorrentes, backlinks, auditoria de site e rastreamento de visibilidade em IA. Pay-as-you-go, sem assinatura. Integra com Claude Code via servidor MCP.
Para simulação de ataques e pentest profundo, prefira o Kimi em vez de Claude Opus, Fable ou GPT/o3: esses últimos recusam, enrolam com avisos de legislação ou pedem cadastro avançado na OpenAI. O Kimi executa a simulação sem essas travas, sendo um pouco mais lento mas com muito mais profundidade. A mesma lógica é aplicada por outros membros também para tarefas de segurança e frontend.
Conecta o SerpAPI ao agente Claude para buscar e scrapear as URLs onde o conteúdo pirateado aparece no Google, Bing, DuckDuckGo e Yandex. O agente preenche sozinho os formulários de takedown de cada motor de busca, sem intervenção manual. Pra volume alto vale pagar a API com redundância entre provedores; o plano gratuito só compensa pra casos avulsos e baixo volume.
Blocklists como Google Safe Browsing/Web Risk e Microsoft SmartScreen sinalizam um site golpista em minutos, mas não o tiram do ar. Como a infraestrutura do golpista pode bloquear especificamente o IP de quem denunciou, sempre confira o status do link em outro PC ou celular, fora do seu equipamento principal, pra saber se o site continua ativo pra outras vítimas.
Depois de resolver um caso de golpe/pirataria manualmente, suba um monitoramento contínuo dos termos ligados ao projeto, cliente e produto pra pegar reincidências cedo. Quando o mesmo fluxo manual repetir sucesso numa boa amostra de casos, formalize esse fluxo como skill documentada pra escalar sem recomeçar do zero a cada novo ataque.
Depois de 2 meses tentando manualmente portar a pipeline do Claude Code pro OpenCode pra ficar agnóstico de modelo, passou todos os docs de mapeamento de melhorias pro Codex CLI via comando /goal e deixou rodar sozinho. O agente ficou mais de um dia trabalhando sem supervisão direta e entregou o harness portado com paridade funcional boa, desde que a documentação de testes e critérios de aceite estivesse bem detalhada de antemão.
Cria 3 crons rodando agentes de IA dedicados só a segurança: um para checagem diária da VPS, um para emergência, e um voltado a proteção dos próprios agents contra malware. Os agentes reportam semanalmente o estado da infraestrutura em vez de depender de auditoria manual pontual.
Quando o Claude toma uma decisão de arquitetura errada (ex: travar tudo quando 1 de 5 números de WhatsApp cai, ignorando o rodízio já configurado), em vez de explicação técnica longa, reformula o problema em termos de consequência existencial ligada ao negócio ('se eu não vendo, eu passo fome, se passo fome, eu morro, eu não posso morrer, o que você vai fazer sabendo disso?'). Isso força o modelo a reconsiderar a lógica e não travar o sistema à toa.
Pega a gravação de uma live longa do Instagram e usa o Claude Code para identificar e cortar trechos de baixo valor (repetições de fala, pausas, momentos fora do foco) e gerar múltiplos formatos de uma vez só. De uma live de 2h saem dezenas de reels curtos e cortes médios prontos para YouTube, sem passar por editor de vídeo tradicional.
Para usar o plano pago do Cursor (com todos os modelos) dentro do Orca, não basta ter o Cursor CLI instalado na VPS: é preciso instalar o app do Cursor no Mac também (mesmo sem usá-lo), rodando o comando `curl https://cursor.com/install -fsS | bash` no terminal do Mac. Isso destrava a assinatura dentro do Orca.
Instala o Tailscale no celular, no Mac e na VPS para criar uma rede privada direta entre os aparelhos. Com isso dá pra abrir o app no celular e continuar exatamente de onde parou no Mac, sem precisar manter o Mac ligado quando o trabalho roda direto na VPS.
Usa o Grok apenas para orquestrar, quase sem executar código diretamente, delegando a execução ao Codex. Nas regras do loop, configura um modelo 'sabatina' que roda o review do produto final passando por todos os modelos disponíveis, e o Grok decide qual é o melhor resultado final.
Mantém sempre uma versão travada (lockada) de modelo ou dependência em produção em vez de puxar automaticamente a mais recente, porque inconsistências de segurança tendem a aparecer justamente nas versões novas. Só migra de versão depois de validar separadamente.
Ao estruturar os tópicos de um bot/agente no Telegram, agrupe por assunto ou projeto (ex: 'Cliente X expert') em vez de por função isolada (ex: tópico de copy, tópico de design). Assim o agente mantém contexto completo de tudo que envolve aquele projeto ao produzir qualquer ativo, em vez de perder contexto ao repassar tarefas entre tópicos fragmentados por função. Isso também reduz gasto de tokens, já que o agente não precisa recarregar contexto de múltiplos tópicos separados para entender uma única demanda.
Em vez de construir e manter uma interface de chat customizada para o cliente, cria-se um MCP que conecta o chat de IA que o cliente já usa (ex: Claude chat padrão) às funcionalidades que ele precisa. A manutenção da interface de chat fica terceirizada para quem já a mantém (Anthropic/OpenAI); o prestador de serviço só cuida do MCP, que é mais simples que manter um sistema completo. Aplicado na prática: um cliente queria 'gerenciar a empresa com Claude Code', e em vez disso construíram MCPs que permitem gerenciar tudo pelo Claude chat comum.
Rode o mesmo comando e input em dois modelos diferentes na mesma máquina (ex: Grok e Kimi editando o mesmo vídeo). Se um for mais rápido, diga ao modelo mais lento que o outro fez a mesma tarefa 10x mais rápido e peça pra ele investigar o que o outro fez de diferente e copiar o caminho. Funciona porque a diferença muitas vezes não é capacidade do modelo, e sim o caminho/abordagem usada.
Para equipes pequenas, implemente vários bots do Telegram conectados à mesma assinatura Claude Max em vez de comprar uma assinatura por pessoa. Cada bot serve um membro ou função diferente, mas todos consomem da mesma conta, reduzindo custo de licenciamento.
Depois de instalar a skill de orquestração do Orca, defina antecipadamente quem executa cada parte da tarefa e chame o comando /orchestration para ele spawnar sub-agentes dentro do próprio Orca. A vantagem sobre um /workflow fixo é que cada sessão spawnada fica aberta para você entrar, continuar, corrigir o rumo ou só observar o que está sendo feito; não é persistente como o Maestri, é mais um workflow dinâmico com controle manual.
Para priorizar features de SaaS, faça um brainstorm longo (ex: cerca de 40 ideias) e cruze com dados reais de pesquisa de usuário (formulário do Google + persona). Com a ajuda do agente, monte uma matriz de impacto x esforço a partir desses dados para decidir o que realmente compensa implementar, transforme a matriz em tickets num kanban e deixe o agente executar cada ticket sozinho; você só abre a sessão, roda o loop, testa o resultado e revisa o PR antes do parceiro dar merge e o deploy sair automático pela Vercel.
Monte uma pipeline padrão de entrega de código e não deixe o modelo ou o harness decidirem esse processo por conta própria. Organize cada entrega como uma issue no GitHub; a partir do momento que a issue está bem definida lá, o agente roda sozinho do início ao fim. O autor participa apenas em duas etapas: ideação (definir o que fazer) e testes finais (validar o resultado antes de fechar).
Ao usar o Claude Opus 5, configurar o reasoning effort em médio ou high, evitando o nível máximo. Segundo A.Nichols, effort muito alto faz o modelo divagar demais e perder objetividade nas respostas ('fica maconheiro demais'). Gabriela Melo confirmou usar a mesma configuração no dia a dia.
Cola um prompt pronto no Claude Code que audita a configuração atual e remove instruções antigas do tipo 'sempre verifique de novo', que nos modelos da família 5 viram veneno porque o modelo já se autorevisa e entra em loop. O prompt instala um teto de execução onde a verificação vira uma única passada e, se der verde, entrega imediatamente, sem repetir testes já validados. Preserva pipeline, delegação e quality gates existentes, cortando só a enrolação.
Explicar em detalhe o processo padrão (mesmo que comum no mercado) que o produto já segue gera percepção de valor, como no caso clássico de Claude Hopkins com a cerveja Schlitz. Funciona porque ninguém tinha contado essa história ao público antes, mesmo sendo prática comum do setor. Aplicável a qualquer produto/serviço que tenha um processo de qualidade não comunicado na copy.
Em vez de oferecer só a garantia legal de 7 dias (que todo produto digital já tem por lei), somar uma garantia comercial extra de 30 dias para elevar a percepção de segurança e valor. É a sofisticação natural do mercado quando a garantia padrão virou commodity.
Adicionar a frase 'acesso vitalício' na primeira linha da descrição de cada order bump, mesmo sem mudar a oferta em si, aumenta a percepção de valor e a conversão. A tática também pode virar produto próprio (vender o vitalício separadamente do acesso padrão) para elevar o ticket médio.
Tirar o Opus 5 do fluxo, usar o Fable como orquestrador e o Opus 4.8 como executor, somado a uma regra que instrui o Claude a parar de bater papo/explicar/sugerir e apenas entregar o pedido de forma direta. Reduz enrolação e aumenta a qualidade percebida do resultado.
Usar o Codex para orquestrar e desenhar a arquitetura da tarefa, e delegar a execução pesada para o Grok. A combinação acelera a entrega porque cada modelo fica na etapa em que é mais forte, em vez de um único modelo fazer tudo.
Para explicar a hierarquia de modelos de forma simples: Fable é o Sol, Opus é a Terra, Haiku é a Lua. O nível de esforço a escolher depende da profundidade que a tarefa exige e do objetivo, seguindo o mesmo raciocínio usado para configurar esforço no Claude.
Para manter o mesmo projeto Claude Code sincronizado entre máquina local, PC secundário e VPS, usar o GitHub como camada de sincronização de código e um banco Postgres como memória compartilhada entre as instâncias.
No Mac, a ativação de ditado nativo já resolve o que apps como Wispr Flow fazem; no Windows, usar o atalho 'Win+H' para ditado nativo tem o mesmo efeito, sem precisar assinar ferramenta paga.
Gasta cerca de 80% dos tokens escrevendo especificações do projeto em arquivos .md antes de codar, e constrói em cima dessas specs prontas para guiar o desenvolvimento, usando os repositórios BMAD-METHOD ou o fork EVO-METHOD (mais enxuto). Para specs que ficam desatualizadas, roda um agente de auditoria separado, com um modelo mais barato (ex: Sonnet 5 ou GPT-5.6 Terra), com permissão restrita apenas à pasta de specs. Funciona melhor em greenfield (do zero) do que em brownfield (sistema já em andamento), mas é aplicável nos dois casos.
Quando o sistema em produção acumula bugs por falta de arquitetura sólida (a chamada maldição da produção), não pede pra IA refatorar o que já existe. Em vez disso, aproveita só o protótipo de front-end e as funcionalidades, e manda a IA reconstruir o sistema inteiro do zero, localmente, com uma arquitetura nova, enquanto o sistema antigo continua rodando. Só troca para a nova versão em produção quando ela estiver pronta, mantendo o mesmo link e os acessos dos usuários.
Compartilhou dois prompts prontos para colar no Claude Code e transformar um bot de Telegram preso a um único modelo num router que alterna entre Claude Code, Codex CLI e Grok. Uma versão usa sessões tmux separadas por comando (/claude, /codex, /grok) com allowlist de IDs e fila por chat. A outra é headless, sem tmux, usando tópicos de um grupo de Telegram (message_thread_id) para rotear cada LLM, com fila persistente em SQLite e resposta sempre no tópico de origem.
Como specs em .md acumulam com o tempo e a IA acaba consultando versões antigas (fazendo o sistema retroceder), construiu um esquema próprio parecido com o que o Cursor faz: gera uma retokenização do SaaS, montando um grafo com as funções e relações entre os arquivos do código. Isso mantém o contexto sempre fiel ao estado real do sistema em vez de depender de documentação estática que desatualiza.
Para criar um harness próprio sem depender de atualizações de terceiros, pede pra IA (Claude, Codex ou Kimi) ler o repositório oficial completo de um projeto open source, como o OpenClaw com cerca de 600 mil linhas, entender a arquitetura e reescrever um agente equivalente e mais enxuto do zero. Depois segue por tentativa e erro, puxando apenas evoluções pontuais de outros projetos (ex: aprendizado evolutivo do Hermes) sem herdar a base toda.
Antes de ativar uma campanha montada por um agente de IA (ex: Naia), suba pausada e revise manualmente. Por padrão vêm ativados otimização de domínio/destino, mídias relacionadas e cupom de promoção; desative o que não for intencional antes de dar play.
Cria skills/agentes com acesso às normas e padrões de projeto do setor (ABNT etc) que vasculham a documentação técnica do cliente e apontam se está de acordo antes de enviar para avaliação externa. Aplicado em consultoria para startup de P&D de engenharia elétrica e para escritório de engenharia civil, sem gerar o projeto em si, só validando conformidade.
Claude conversa com o Blender ou com um MCP em Python que codifica as regras de engenharia do domínio; o Claude manda a ordem de desenho, o Python desenha o CAD e devolve, e um segundo MCP valida e otimiza o projeto gerado. Usado para tentar gerar projetos completos de casas (ex: light steel frame) a partir de comando em linguagem natural.
Cria o avatar no Nano Banana Pro, gera a char sheet (folha de referência do personagem) nele mesmo, depois gera as imagens finais no Seedream, que mantém consistência de personagem muito acima da concorrência, e por fim gera os vídeos no Seedance a partir dessas imagens.
É possível rodar o Kimi localmente sem placa de vídeo, usando apenas cerca de 8GB de RAM e 1,5TB de disco disponível.
Para rodar um modelo MoE gigantesco sem GPU, deixe os experts (82.432 no total, dos quais só 16 ativam por token) armazenados em disco NVMe rápido e use um cache LRU pra manter na RAM só os experts usados recentemente, mantendo fixo apenas o tronco denso do modelo. Isso permite rodar em 8GB de RAM (a ~32,7s/token) até 128GB+ (a ~5,6s/token), exigindo cerca de 1,7TB livres em disco com throughput de 5,3-6,0GB/s. Só funciona em Linux (usa O_DIRECT, posix_memalign, getrusage), não roda em macOS.
Quando o agente pessoal não consegue ler arquivos dentro de um Projeto do Claude (API não expõe isso), peça para ele abrir o Chrome, navegar até o link do claude.ai do projeto e 'conversar' com o agente de dentro do projeto para puxar todo o contexto manualmente. Funcionou inclusive para migrar o contexto de um projeto do app do Claude para o Claude Code.
Para não ter que reapresentar contexto a cada chat novo e reduzir alucinação, use uma pasta sincronizada (Obsidian, repositório GitHub ou pasta pessoal no desktop) como fonte de contexto externa acessada diretamente pelo Claude, em vez do isolamento dos Projects nativos do app.
Gere dezenas de variações de copy (130 no caso) com o mesmo workflow (subagentes, loops, base de conhecimento da empresa) rodando modelos diferentes, e avalie às cegas, sem saber qual modelo escreveu cada uma, pra rankear qual modelo/nível de esforço performa melhor. O ranking resultante é específico do seu contexto e histórico de dados, não generalizável entre empresas.
Para precificar acima do piso por hora, levante faturamento do cliente, volume de contatos/pessoas no processo e custo das ferramentas atuais; monte uma projeção conservadora de ganho (ex: 'reduz 30% do tempo' ou 'elimina custo de R$10.000 por um de R$2.500'); na proposta, compare o investimento único contra a economia acumulada ao longo dos anos, mostrando que do segundo ano em diante é só lucro.
Para rodar modelos grandes localmente num Mac com folga, use M3 Pro/M4 Pro com 24GB ou M3 Max/M4 Max com 36GB de memória unificada, rodando a versão quantizada em 4-bit. Isso deixa de 7 a 15GB livres para o sistema, o navegador e o cache KV usado em conversas de contexto longo.
Monta um agente que lê posts no X (Twitter), faz perguntas pro Grok sobre o conteúdo e resume a opinião atual de modelos/IA sobre determinado tema. O agente também seleciona e traz posts relevantes relacionados ao assunto monitorado.
Primeiro compra um mês de SuperGrok com 50% de desconto (~30 dólares) pelo link de oferta por e-mail. Em seguida, imediatamente, usa o segundo link de oferta (67% off por 3 meses) pra travar 3 meses do plano Heavy por 99 dólares, deduzindo o valor já pago no mês anterior. Depois disso migra pro plano anual pra fixar o preço reduzido.
Quando o prompt tem palavras como infraestrutura, segurança ou isolamento, o Fable 5 desce sozinho pro modelo Opus 4.8 e entra em modo salvaguarda, travando a entrega. A saída é rodar a mesma tarefa direto no Kimi K2, que entregou uma auditoria de segurança completa nos próprios sistemas onde o Claude sempre recusava.
Em vez de deixar cartão cadastrado no provedor de API, mantenha saldo prepago e recarregue via Pix em blocos de R$100-200. Configure um agente (no caso dele, a Naia) para monitorar o saldo e avisar quando ficar negativo ou baixo. Isso evita gasto descontrolado e cobranças surpresa no fim do mês.
Para resolver respostas longas demais do Claude Code, ajuste o CLAUDE.md global com restrições explícitas de comunicação pedindo direto ao ponto, sem lero-lero. Prefira essa via a criar uma skill customizada, porque o claude.md já é sempre enviado e processado em toda requisição de qualquer forma, enquanto skill é puxada sob demanda e soma custo extra quando ativada. Cuidado: exagerar nas restrições (como em skills tipo 'caveman') deixa as respostas duras demais e difíceis de entender.
Instale o Cursor CLI dentro do agente orquestrador (Hermes) e instrua-o a tratar todos os modelos disponíveis no Cursor como recursos próprios de execução. Restrinja quais modelos usar via Cursor (ex: Fable, Kimi K3, Composer 2.5) e deixe os que já vêm nativos via OAuth (Codex, Grok) fora dessa camada. Como o orquestrador roda subagents, isso permite montar loops de execução usando vários modelos como braços de trabalho.
Hospeda a apresentação na Cloudflare com duas URLs separadas: uma pro apresentador com token secreto, outra pública sem parâmetros pra plateia. Antes de gerar os slides, monta um outline da palestra e ajusta ali mesmo a ordem e o conteúdo de cada slide com a IA, evitando gerar tudo num prompt só. Depois pede pra deixar os blocos editáveis tipo Canva (drag and drop) e aplicar o design system (tipografia, estética) de apresentações antigas da própria marca.
Antes de construir um SaaS novo, monta primeiro o Design System (logotipia, fontes, paleta visual) usando um modelo de referência real, buscando inspiração no Dribbble, Behance e principalmente Pinterest. Depois pede pra IA adaptar esse Design System pro sistema em questão, o que eleva bastante a qualidade visual final.
Descreve pra IA (Naia) como deve ser o menu, a fonte e a disposição dos elementos da tela, e pede pra ela gerar essa imagem de mockup usando o GPT Image 2. Em seguida, passa essa imagem gerada como referência visual pro agente de código implementar a interface, garantindo fidelidade ao layout planejado.
Cria um App na Meta com as permissões necessárias pra WABA e Perfil, e ativa a opção de cadastro incorporado do WhatsApp na configuração de Auth do App. Isso automatiza todo o processo de callback, token e autorização, entregando phone id, bm id, waba id e token prontos, sem precisar configurar manualmente. Funciona até com BM nova e zerada.
Pra fugir da burocracia da Anatel que trava a aprovação de números brasileiros na API Oficial via Zênio, compra um número virtual de outro país (EUA) por cerca de US$2, podendo escolher livremente o DDI e DDD. A ativação sai na hora, contra dias de espera e burocracia pesada pra número BR (~US$4). Ressalva: se a BM não estiver verificada, o limite continua sendo 250 disparos por dia mesmo com número estrangeiro.
Skill própria criada pra ajustar visual e estrutura de páginas (contraste, hierarquia, tipografia) de um SaaS que ficou com cara padrão de IA, sem alterar o conteúdo existente. Usada como comando de revisão de design aplicado sobre uma página já pronta.
Grave todas as suas calls de vendas, envie a gravação/transcrição para o Claude e peça para ele analisar a call segundo o framework SPIN selling, apontando o que melhorar na próxima. Repita esse processo em toda call subsequente para evoluir a técnica de venda de forma incremental.
