Isso Mudou Minha Forma de Trabalhar com Agentes

O palestrante introduz o conceito de Cloud Code no Co-work, explicando que resultados ruins geralmente derivam da falta de configuração prévia e não de falhas na ferramenta. A solução central proposta é a criação de um arquivo manifest.md, que atua como um mapa para o agente navegar em diretórios complexos. Este arquivo utiliza três níveis de prioridade para classificar documentos como fontes da verdade, arquivos sob demanda ou dados de arquivo que devem ser ignorados. Sem esse mapeamento, o modelo tende a puxar ruído de arquivos irrelevantes, o que consome limites de contexto e degrada a qualidade da resposta. Esta etapa é fundamental para garantir que a IA localize informações de forma rápida e confiável.

Nesta seção, discute-se a criação de três arquivos fundamentais: Sobre Mim, Voz da Marca e Estilo de Trabalho. Esses documentos servem para definir a identidade do usuário e como ele prefere que as respostas sejam estruturadas, evitando o tom genérico típico das IAs. É recomendado que esses arquivos sejam armazenados em uma pasta de contexto dedicada e sejam refinados constantemente com base no desempenho do agente. O palestrante também menciona a importância dos arquivos de memória, que funcionam como uma memória externa para manter o histórico de decisões entre diferentes sessões. Isso transforma a interação com o Claude em um processo contínuo e personalizado.

As instruções globais são apresentadas como uma ferramenta poderosa que o Claude carrega antes de qualquer prompt específico do usuário. O palestrante detalha como usa esse espaço para ordenar que o manifest.md seja a primeira consulta e para estabelecer regras de comportamento. Entre as práticas recomendadas estão permitir que a IA faça perguntas de esclarecimento e exigir a apresentação de um plano breve antes da execução das tarefas. Outras diretrizes incluídas visam eliminar palavras de preenchimento e garantir que o modelo admita quando sua confiança for baixa em vez de alucinar. Essas configurações criam uma base sólida que permite ao agente responder com precisão mesmo a prompts mais vagos.

O foco aqui recai sobre a minimização do ruído na janela de contexto para otimizar o desempenho do modelo. O palestrante enfatiza a importância de definir o estado final desejado de uma tarefa, como o layout final de uma pasta organizada, em vez de apenas descrever os passos do processo. Ao fornecer exemplos do resultado esperado ou casos de teste, o agente consegue iterar de forma mais assertiva em direção ao objetivo. O vídeo exemplifica isso com uma tarefa de reorganização de arquivos onde regras específicas sobre pastas aninhadas e arquivos intocáveis foram estabelecidas. Essa abordagem baseada em objetivos reduz drasticamente a margem de erro durante execuções complexas.

O orador aborda a tendência da IA de adivinhar quando as instruções são omissas, o que frequentemente leva a erros. Para mitigar isso, ele sugere instruir explicitamente o agente a sinalizar dúvidas e nunca apresentar suposições como fatos. No meio desta explicação, há uma inserção sobre a plataforma Scrimba, que oferece uma tecnologia onde o player de vídeo funciona como um editor de código ao vivo. Essa ferramenta é destacada como uma forma eficiente de aprender engenharia de IA e desenvolvimento full stack através da prática interativa. O conceito central reforçado é que a transparência sobre o que o modelo não sabe é tão vital quanto o que ele executa.

Esta seção explica como identificar tarefas que podem ser agrupadas em uma única sessão para economizar tokens e tempo, especialmente quando compartilham o mesmo contexto. O palestrante diferencia tarefas sequenciais de tarefas que podem ser executadas em paralelo por subagentes especializados. O uso de subagentes é recomendado para manter o contexto principal limpo, embora exija cautela devido ao alto consumo de recursos. É ressaltado que o agrupamento incorreto de tarefas não relacionadas pode causar confusão no modelo e desperdício de processamento. A estratégia ideal envolve iniciar com um objetivo macro e listar os passos ordenados dentro de um mesmo fluxo de trabalho.

O vídeo encerra demonstrando as capacidades avançadas de agendamento de tarefas no Co-work, como a criação automática de relatórios diários baseados em notas de reuniões. São discutidos o uso de plugins e habilidades (skills) para estender as funcionalidades da IA, incluindo a possibilidade de criar plugins personalizados através do próprio chat. O palestrante faz um alerta sério sobre segurança, tratando o agente como um funcionário que precisa de limites claros para evitar a modificação acidental de dados sensíveis. Ele menciona os riscos de injeção de prompt e o esgotamento rápido de limites de contexto se a ferramenta for usada sem critério. O encerramento reforça que a organização e a cautela são os pilares para transformar a IA em um aliado profissional produtivo.