00:00:00Estamos indo além da gestão de agentes e entregando esse papel à IA também?
00:00:03Desde que a IA entrou no espaço agêntico e começou a interagir com ferramentas,
00:00:07tudo mudou. Agora deixamos a IA interagir com ferramentas em nosso nome,
00:00:11usando sistemas agênticos como o Claude Code para fazer o trabalho por nós. Nosso papel mudou para apenas
00:00:15delegar tarefas aos agentes e deixá-los cuidar da execução. Mas já estamos indo além
00:00:20desta delegação. O Claude tem uma nova atualização onde lida com as tarefas de uma forma diferente do que
00:00:25costumava fazer, assumindo grande parte da própria delegação e integrando-a diretamente no
00:00:30produto. Isso adicionou outra camada de abstração e mudou nossa forma de trabalhar. É exatamente sobre isso que este
00:00:35fundador de startup fala em seu artigo. Agora, a nova atualização do Claude pode não parecer
00:00:40algo impactante porque soa apenas como novas listas de tarefas, mas na verdade é uma atualização enorme.
00:00:44A ideia principal por trás do enxame de agentes é ter múltiplos agentes de IA coordenando tarefas complexas,
00:00:50gerando subagentes e gerenciando dependências em paralelo. Isso significa que eles podem pegar uma tarefa complexa
00:00:55de um usuário e dividi-la em várias tarefas para agentes de IA, deixando-os trabalhar isoladamente.
00:01:00Então agora você pode falar com o Claude como se estivesse falando com um gerente de projetos, dando a ele uma tarefa ampla para
00:01:05trabalhar, e o Claude faz automaticamente a divisão e a delegação. Com essa atualização, sua tarefa pode
00:01:10sobreviver ao comando de limpeza e até mesmo a um reinício de sessão. Explicaremos exatamente como isso funciona
00:01:14em instantes. Antes deste sistema de tarefas, ao trabalhar com o Claude, tínhamos que compactar o contexto mais
00:01:19frequentemente porque, mesmo que ele dividisse as tarefas, no fim ainda era um único cérebro tentando segurar
00:01:24processos complexos em sua pequena e limitada janela de contexto. Isso se tornava mais irritante ao trabalhar
00:01:30em tarefas maiores porque ele costumava perder o contexto com mais frequência, e tínhamos que criar fluxos de trabalho com
00:01:34notas estruturadas para que ele não perdesse o contexto tão frequentemente. Agora notamos que, ao trabalhar
00:01:39com o Claude, não precisamos compactar o contexto com a frequência de antes. O que fazíamos manualmente com
00:01:44notas no Claude.md ou outros arquivos de orientação, eles agora incorporaram ao próprio produto. Os agentes
00:01:50não estão compartilhando uma única janela de contexto. Cada agente tem, na verdade, sua própria janela de contexto. Como mencionamos
00:01:55antes, você interage com o Claude principal, que atua como um coordenador de tarefas. Este coordenador cria um
00:02:00gráfico de tarefas que identifica e divide o trabalho em tarefas menores. Ele então determina o tipo de
00:02:06cada tarefa, se é sequencial, o que significa que a tarefa anterior precisa ser concluída antes de iniciar
00:02:10a próxima, ou não sequencial ou paralela, o que significa que não há dependências e elas podem rodar ao
00:02:15mesmo tempo. Cada tarefa segue um fluxo completo para investigar, planejar e implementar, com cada
00:02:20estágio sendo bloqueado pelo anterior. Uma vez que o gráfico de tarefas é criado, ele gera agentes e delega
00:02:26diferentes modelos para cada tarefa com base em sua complexidade. Algumas tarefas, como explorar pastas, não precisam do raciocínio pesado
00:02:32do Opus 4.5 e podem ser lidadas pelos modelos Haiku ou Sonnet. Cada agente recebe uma janela de contexto limpa de 200k,
00:02:38que é isolada dos outros processos. Isso é diferente de como o Claude funcionava
00:02:43antes, onde dependia de uma única janela de contexto, o que causava problemas. Com este sistema, cada agente
00:02:48consegue focar em uma única coisa. Vocês provavelmente notaram que construímos muita coisa nestes vídeos. Todos os
00:02:53prompts, o código, os templates, enfim, tudo o que você normalmente teria que pausar e copiar da tela,
00:02:58está tudo em nossa comunidade. Este vídeo e todos os anteriores também. Links na descrição.
00:03:02Agora, essa foi a explicação detalhada de como o novo sistema de tarefas funciona, e a princípio pode não parecer
00:03:08muito diferente. Anteriormente, ele costumava escrever as tarefas na janela de contexto e, assim que ela
00:03:13enchia, precisava compactar, o que fazia com que as listas de afazeres ficassem bagunçadas no processo. Agora, as tarefas não estão
00:03:18apenas na janela de contexto. Eles adicionaram uma nova pasta de tarefas dentro da pasta principal .claud, onde há
00:03:23uma pasta para cada sessão, identificada pelo ID daquela sessão. Dentro de cada pasta, há um conjunto
00:03:29de documentos JSON que representam as tarefas no sistema. Esses arquivos JSON são identificados por seus IDs e
00:03:34contêm nome, descrição e status. As duas chaves principais para focar são “blocks” e “blocked by”. A chave “blocks”
00:03:41lista as tarefas que são bloqueadas pela tarefa atual, enquanto “blocked by” contém todas as tarefas que
00:03:46estão bloqueando a tarefa atual e, após a execução delas, a tarefa atual pode prosseguir. Esta configuração
00:03:51garante a sequência correta porque cria um gráfico de dependência mostrando quais tarefas dependem de
00:03:56outras e quais estão bloqueadas. Basicamente, isso guia o Claude para que ele não pule uma tarefa até que a necessária
00:04:01seja concluída. Sem esse recurso de gráfico, você teria que explicar tudo ao Claude novamente toda vez que
00:04:06quisesse usar o comando de limpeza, mas isso não é mais necessário. Esta lógica foi externalizada
00:04:11em uma estrutura de arquivos, o que permite ao sistema manter seu estado mesmo quando a sessão termina,
00:04:16não importa quantas vezes você retorne a ela depois. Dessa forma, o Claude não precisa descobrir quais
00:04:20tarefas refazer. O gráfico não esquece e não se desvia do que precisa fazer. Os nomes das pastas são
00:04:26atualmente apenas IDs aleatórios para a sessão, mas se você configurar uma variável de ambiente com um nome personalizado,
00:04:31ele identificará a sessão por esse nome. Isso garante que as tarefas não sejam perdidas mesmo que você feche
00:04:36seu terminal, e o Claude pode continuar a sessão perfeitamente. Com esta atualização, a Anthropic finalmente
00:04:41matou o loop Ralph, que originalmente servia apenas para reancorar o sistema de tarefas. Agora, o Claude
00:04:45cuida disso automaticamente por conta própria. Além disso, se estiver gostando do nosso conteúdo, considere apertar o
00:04:50botão de hype, pois isso nos ajuda a criar mais conteúdos como este e a alcançar mais pessoas. Agora, esta
00:04:55abordagem é importante porque dá ao Claude um grau de liberdade no paralelismo ao gerenciar efetivamente os
00:05:01passos paralelos e sequenciais juntos. O Claude identifica tudo o que pode rodar em paralelo
00:05:06e tudo o que não pode, e com base nisso, economiza tempo na conclusão das tarefas. Por exemplo,
00:05:11ele vê que a tarefa 1 e a tarefa 2 não têm dependências, então inicia ambas de uma vez. Na camada seguinte,
00:05:16ele identifica que a tarefa 3 e a tarefa 4 estão bloqueadas pela tarefa 1, então espera que a tarefa 1 termine antes de
00:05:22iniciar as próximas. Dessa forma, a última tarefa é concluída em apenas três ciclos. Anteriormente,
00:05:27esses 5 passos levariam 5 ondas, cada uma esperando sequencialmente pela anterior. Mas
00:05:32com esta abordagem, o tempo de execução é reduzido ao rodar tarefas simultaneamente. Isso não apenas economiza
00:05:38tempo, mas também reduz custos, porque o modelo ajusta seu esforço às tarefas e não desperdiça
00:05:42tokens extras em tarefas menores. Mas antes de os vermos em ação, aqui vai uma palavra do nosso patrocinador,
00:05:47Lovart. Olhando para estes designs, você pensaria que uma agência profissional os fez, mas este é o primeiro
00:05:52agente de design de IA construído com intuição criativa real. O design é mais fácil com o Lovart porque ele ajuda você a
00:05:57visualizar qualquer conceito instantaneamente. De embalagens complexas e layouts de interiores a coleções
00:06:02exclusivas de joias, é o agente de design que entrega trabalho criativo profissional para dar conta do recado.
00:06:07O real poder está em seus recursos exclusivos de edição. Geralmente, textos de IA são uma bagunça,
00:06:12mas com o TextEdit, posso reescrever manchetes perfeitamente apenas digitando. Com o Lovart AI,
00:06:17você pode gerar pôsteres incríveis para o trabalho e usar a edição de elementos para mover, ajustar ou trocar camadas
00:06:22individuais, ou usar o toque de edição para trocar ou alterar objetos com precisão sem quebrar o estilo. Isso permite
00:06:27que você produza muito mais posts de alta qualidade sem esforço extra. Você pode até transformar o visual estático
00:06:32final em um vídeo com um clique. Comece a criar de graça acessando o link no comentário fixado.
00:06:38Nossa equipe testou esse enxame em vários cenários, tanto no Claude Code quanto no Co-Work.
00:06:42Para quem não sabe, o Co-Work é basicamente o Claude Code, mas para quem não é desenvolvedor. A ideia
00:06:47vem do fato de que, quando desenvolveram o Claude Code, ele era destinado apenas a desenvolvedores.
00:06:52Mas perceberam que ele poderia ser útil para quase tudo. O Co-Work tem mais travas de segurança que o
00:06:57Claude Code porque não é voltado para desenvolvedores. Isso ajuda a evitar que o agente acidentalmente
00:07:02delete ou mexa em algo que não deveria, tornando-o muito mais amigável para usuários não técnicos.
00:07:07Nossa equipe também o tem usado para tarefas fora do desenvolvimento, como pesquisa, planejamento e até para gerenciar o
00:07:13processo de ideação do nosso canal, conectando-o com o Notion. Então a Anthropic simplificou e lançou
00:07:18o Co-Work, que essencialmente faz tudo o que o Claude Code faz, interagindo com sistemas de arquivos e fazendo
00:07:23mudanças quando necessário. O Co-Work funciona muito bem se você quiser organizar pastas ou fazer alterações
00:07:28nelas. Temos usado o Co-Work extensivamente para esse propósito. Tínhamos uma pasta com muitos
00:07:32projetos, a maioria para testes, e estávamos com dificuldade de navegar para encontrar uma habilidade específica
00:07:37que havíamos usado em um projeto anterior. Então pedimos para ele criar um documento detalhando o que cada
00:07:42projeto contém. Também pedimos para ele olhar o Claude.md e os comandos reutilizáveis que havíamos criado
00:07:47e diferenciar com base nisso. Ele começou explorando a pasta que havíamos conectado e criando
00:07:52afazeres. Depois, usou o mesmo método de enxame de agentes que mencionamos antes com o Claude Code. Ele gerou
00:07:58múltiplos agentes para ler os arquivos em lotes e criar a documentação do que cada projeto continha.
00:08:03No final, cada projeto tinha um arquivo resumindo o que faz, tornando muito mais fácil de navegar
00:08:08e encontrar exatamente o que precisávamos. Usamos o Co-Work para pesquisa de viabilidade e de mercado para um app
00:08:13em que estávamos trabalhando, e ele criou um documento adequado contendo todas as descobertas. Assim como o
00:08:18Claude Code, ele fez perguntas e, com base nas respostas, produziu um relatório completo. Ele salvou
00:08:23o relatório na pasta em que conectamos o Co-Work. Você poderia fazer algo semelhante com o Claude
00:08:27Chat, mas agora ele tem acesso real aos documentos dentro da pasta, o que ajuda a guiar
00:08:32a pesquisa de forma muito mais eficaz. O relatório gerado também tinha uma formatação adequada porque o Co-Work
00:08:37vem com habilidades especializadas para criar documentos melhores do que antes. Agora, uma vez que a pesquisa e a
00:08:42documentação do PRD estavam completas com o Co-Work, passamos para o Claude Code para a parte da implementação real.
00:08:48Pedimos ao Claude Code para olhar o documento dentro da pasta, que foi usado para guiar o Co-Work na
00:08:53ideia do projeto para o qual ele fez a pesquisa, e dividi-lo em diferentes componentes, focando
00:08:57em um aspecto do PRD. Ele analisou que o PRD continha várias seções e percebeu que estas
00:09:03poderiam ser lidadas em paralelo, já que não eram dependentes umas das outras. Então, ele gerou múltiplos
00:09:08agentes para trabalhar na escrita simultaneamente, com cada agente trabalhando de forma independente. Sem
00:09:13o paralelismo, seriam 16 passos sequenciais que foram reduzidos a um único passo graças ao
00:09:18paralelismo, acelerando significativamente o processo. Agora, o Claude divide tarefas complexas
00:09:23automaticamente, mas às vezes não o faz porque não considera o pedido complexo o suficiente
00:09:28para uma divisão. Se não fizer, você pode dar um prompt como “divida isso em tarefas com
00:09:34dependências”. Ele então criará o gráfico de dependência e o usará para gerenciar o fluxo de trabalho. Você
00:09:38pode até ver os afazeres apertando Ctrl+T. Como este era um projeto de longo prazo, configuramos a flag da CLI para
00:09:44o nome do projeto para que pudéssemos retornar a ele mais tarde. Isso nos traz ao fim deste vídeo. Se você
00:09:49quiser apoiar o canal e nos ajudar a continuar fazendo vídeos como este, pode fazê-lo participando do
00:09:53AI Labs Pro. Como sempre, obrigado por assistir, e vejo você no próximo.