Vou ser honesta: eu também fico ansiosa. A diferença é que eu parei de tentar acompanhar tudo e passei a seguir um processo, e é ele que eu te entrego hoje.

Já adianto o que ninguém fala: é humanamente impossível ficar por dentro de tudo. Não conheço uma pessoa sequer, e tenho vários amigos criadores de conteúdo, que consiga. Quem te vende essa ideia tá te vendendo ansiedade.

🪽 Me contrate para implementar IA na sua empresa

Se você tem um projeto na cabeça pra implementar IA no seu negócio e quer que a gente faça por você, fala com a Epic Labs. A gente entrega em 30 dias, 100% feito por engenheiros profissionais e com garantia de 30 dias. Você não precisa contratar desenvolvedor, aprender ferramenta nova nem esperar seis meses pra ver alguma coisa pronta.

👉 Epic Labs

O framework que eu roubei de um livro

Meu processo veio do livro Building a Second Brain, do Tiago Forte. Se você já ouviu falar em “segundo cérebro”, aquela febre de Claude com Obsidian, nasceu aqui.

O livro propõe um funil de quatro etapas: capturar (coletar de várias fontes), organizar (colocar cada coisa numa caixinha da sua vida), destilar (consumir e processar de verdade) e expressar (usar aquilo pra fazer alguma coisa).

Detalhe importante: quando esse livro foi escrito não existia Claude nem ChatGPT. Tudo era manual. Então eu adaptei: peguei as duas primeiras etapas, as de maior volume, e coloquei o Claude pra fazer. As duas últimas eu faço na unha, porque se o Claude assimilar por mim, eu não aprendi nada.

Meu funil ficou assim: capturar → filtrar → assimilar → testar.

1. Capturar: entenda a cadeia de valor antes de escolher fonte

Antes de te falar quais fontes eu sigo, preciso explicar por que são essas. Imagina o mercado de IA como um prédio de três andares:

• Térreo: hardware. Quem fabrica os chips, NVIDIA é o nome óbvio.

• 1º andar: os labs. OpenAI, Anthropic, Google. Treinam os modelos e são clientes da NVIDIA.

• 2º andar: os apps. Claude, ChatGPT, Cursor, Lovable, Gamma. Todos consomem os modelos dos labs.

A regra é simples: quanto mais embaixo, mais você influencia os andares de cima. Sem chip da NVIDIA, o lab não treina modelo. Sem modelo, o app não funciona. Por isso eu não busco informação em quem está no topo, eu busco na origem.

Minhas fontes confiáveis

Os blogs oficiais dos labs. OpenAI, Anthropic, Google. Toda notícia de IA que você vê por aí nasceu aqui, se o influenciador não pegou daqui, pegou de alguém que pegou. Zero intermediário, zero distorção. Bônus: quando sai um modelo novo, o post traz todos os benchmarks (avaliações padronizadas que comparam modelos usando as mesmas referências). Denso, mas é assim que você confere quando alguém disser “esse modelo é ótimo pra X”.

Quem trabalha dentro dos labs. Essa gente solta tweet antes do anúncio oficial. Nomes que eu acompanho: Boris Cherny (uma das principais figuras por trás do Claude Code), Andrej Karpathy (co-fundador da OpenAI, cunhou o termo “vibe coding”, na minha cabeça, a pessoa mais influente do mundo de IA hoje), Sam Altman e Dario Amodei.

Os investidores. Essa é a fonte que quase ninguém usa e eu acho subestimadíssima:

• a16z — artigos escritos pelos próprios analistas do fundo

• Y Combinator — a aceleradora mais bem-sucedida do mundo (investiram na própria OpenAI; o Sam Altman trabalhou lá). Ótimo termômetro

• Sequoia — investiram na NVIDIA e em inúmeras outras empresas de muito sucesso. Possuem um conteúdo denso e muito bem escrito!

Por que investidor? Porque são eles que decidem onde o dinheiro vai. Quando se mexem, o mercado inteiro olha.

⚠️ Recado sincero: tudo isso é em inglês. Se você não consome conteúdo em inglês, você nunca vai ser o segundo a saber de algo: vai ser o terceiro, porque depende de alguém traduzir. Traduza no navegador se precisar, mas aprenda inglês.

2. Filtrar: “onde isso é útil na minha vida?”

Capturei 100 coisas. Dessas, umas 10 têm aplicação prática de verdade pra mim. Já fiquei 90% menos louca. 😅

O filtro é uma pergunta feita contra os meus projetos ativos. Hoje eu tenho três caixinhas: Epic (minha empresa de software), clientes do Epic e produção de conteúdo (que é como eu adquiro clientes pro Epic).

Cada coisa que aparece passa por: isso serve pro Epic? Pra algum cliente? Vira conteúdo? Se não serve pra nenhuma, eu não estou nem aí pra aquela informação. Sem culpa.

Confesso que sinto saudade de quando eu fazia jejum de notícias, li isso num livro do Tim Ferriss, e a lógica era “se for importante mesmo, chega até mim”. Mas eu trabalho com isso, então não posso. O filtro é o meu jeito de ter um pouco daquela paz de volta.

Como o Claude faz as etapas 1 e 2 por mim

Se eu tivesse que fazer essa triagem na mão todo dia, eu ficaria doida. Então criei uma skill (um conjunto de instruções salvo que o Claude executa sempre do mesmo jeito) que roda todo dia no mesmo horário.

Ela varre as fontes que eu já disse que confio, filtra o que é besteira, cruza o resto com os meus projetos e me entrega um relatório. No último, ele analisou 100 posts e me trouxe 9, com nível de relevância em cada item e um aviso quando acha algo estranho. É basicamente uma newsletter que o Claude escreve só pra mim.

Você monta isso hoje, em 5 minutos, sem código. Abre o Claude ou o ChatGPT e pede assim:

“Pegue os últimos 10 posts destas fontes: [cole as fontes daqui]. Filtre tudo o que não é útil para os projetos que eu estou tocando agora. O que sobrar, me traga em resumo, com o nível de relevância de cada item.”

Deu certo? Transforma numa skill e agenda como rotina no Claude ou automação no ChatGPT.

Eu rodo todo dia porque dependo disso pra produzir conteúdo. Se você não trabalha com isso, uma vez por semana ou a cada 15 dias resolve. Sério.

3. Assimilar: ler de verdade

Relatório na mão, agora é comigo: ler, entender e trazer significado pra minha vida. É aqui que informação vira conhecimento.

Em cada item eu procuro uma de três coisas: uma ferramenta nova que eu possa usar, um workflow (”o cara da OpenAI faz design assim”, dá pra aplicar aqui?) ou um case (”empresa X fez Y com IA e deu certo”).

Eu sempre li muito, tinha até meta de 10 páginas por dia. Hoje troquei parte da leitura de livro por esse tipo de conteúdo, porque IA na velocidade que eu preciso não está em livro. E como eu leio 9 coisas em vez de 100, dá pra ler com qualidade.

4. Testar: mentalidade de cientista 🔬

Essa é a etapa que quase ninguém faz, e é a que separa quem consome IA de quem usa IA. A maioria acredita no que ouve e nunca testa com os próprios olhos.

Exemplo real: por muito tempo o Claude performava melhor que todo mundo nos nossos projetos de código, sei porque a gente testou. Aí saiu o modelo novo da OpenAI, testamos de novo, e está mandando quase tão bem quanto. Sei porque testei.

Não importa se o benchmark diz 60% ou 61%: aquele teste foi feito pra aquele contexto. O teste que importa é o seu, no seu workflow.

E tem outra: quem te recomendou aquela ferramenta pode ter tido um resultado que não se repete no seu caso, ou pode estar fazendo publi. Eu recebo umas 10 mensagens por dia pedindo publi e só aceito o que eu uso de verdade. Nem todo mundo funciona assim. Testa.

Recapitulando

1. Capturar: vá na origem: blogs dos labs, quem trabalha neles, investidores (a16z, YC, Sequoia)

2. Filtrar: só sobrevive o que encaixa num projeto seu de verdade

3. Assimilar: leia pouco, mas leia bem

4. Testar: nenhum benchmark vale mais que o seu próprio teste

Automatize 1 e 2. Faça 3 e 4 na mão. É onde o aprendizado acontece.

E o disclaimer mais importante: produzir conteúdo é o meu trabalho, então eu tenho mais tempo pra testar que a maioria das pessoas. Se você faz outra coisa o dia inteiro, não se cobre de testar tudo na mesma medida que eu. Kimono aberto: nem eu consigo.

Agora é com você ⚡️

No vídeo dessa semana eu mostro tudo isso na tela: os blogs abertos, os perfis que eu sigo e o relatório que o Claude me entrega todo dia.

👉 Assista aqui no YouTube

E me conta nos comentários: quem do mundo de IA você acompanha e recomenda? Quero descobrir gente boa que eu ainda não sigo. 👀

Até a próxima edição da DebGPT! 💜

De um lado, os céticos, que eu chamo carinhosamente de ateus de IA. Do outro, os entusiastas, os crentes de IA. E eu naturalmente estou muito mais pra crente do que pra ateu, isso não é segredo pra ninguém.

Eu acho que senso crítico é obrigatório quando a gente usa IA, mas o que me incomoda é outra coisa: na maioria das vezes, as críticas que eu recebo não vêm de uma leitura real dos fatos. Vêm de desinformação e medo.

Então eu peguei alguns comentário que já recebi no meu canal do Youtube e resolvi responder um por um. Bora lá!

🪽 Me contrate para implementar IA na sua empresa

Se você tem um projeto na cabeça pra implementar IA no seu negócio e quer que a gente faça por você, fala com a Epic Labs. A gente entrega em 30 dias, 100% feito por engenheiros profissionais e com garantia de 30 dias. Você não precisa contratar desenvolvedor, aprender ferramenta nova nem esperar seis meses pra ver alguma coisa pronta.

👉 Epic Labs

1. “Quanto mais Frankenstein, mais trabalho pra gente”

O argumento é esse: a IA produz código de péssima qualidade, e isso vai virar geração de demanda pra quem sabe consertar. Ou seja, dev vai ter mais trabalho, não menos.

Antes de eu dizer se concordo, deixa eu te contar sobre o Paradoxo de Jevons: quando o custo de fazer uma coisa cai, a demanda por aquela coisa sobe.

O exemplo clássico são os caixas eletrônicos. Quando eles surgiram, todo mundo decretou o fim da profissão de caixa de banco. O que aconteceu de verdade? Ficou mais barato abrir uma agência. Aí abriram mais agências. E adivinha: contrataram mais caixas.

Eu acredito que vai acontecer algo muito parecido com software. O custo de produzir software está caindo, e por isso as pessoas estão querendo fazer mais software. E eu falo com propriedade, porque hoje eu vendo esse tipo de serviço e vejo lead caindo no meu colo todo dia.

Onde eu concordo: vai gerar mais trabalho. Sem dúvida.

Onde eu discordo: que essa demanda seja necessariamente capturada por desenvolvedores. E discordo também que todo código gerado por IA seja ruim (eu sou prova viva de que não é.)

2. “Isso não é assim que funciona no mundo real”

Tem uma frase que eu gosto muito e que resume tudo:

Cada crítica que você faz à IA é uma declaração sobre a maneira como você usa IA.

Se você fala “o design que a IA produz é horrível”, o que você está dizendo é: o jeito que eu uso IA produz design horrível. Porque eu conheço um monte de gente (inclusive eu) que faz design muito bom com IA.

Agora o contraponto que ninguém gosta de ouvir. A Anthropic. Numa entrevista, o Mike Krieger (CEO de produto, brasileiro, o cara que criou o Instagram) disse que 90% do código que eles colocavam em produção era escrito pelo Claude. Produção, não protótipo.

Aí o pessoal cético fala: “óbvio, ele quer te vender modelo”.

Só que é impossível uma empresa lançar o tanto de produto que eles lançaram nos últimos meses sem isso ser verdade. Eu trabalho com tecnologia há 13 anos. Antigamente, fazer um lançamento era pra glorificar a Deus. Você parava a imprensa, fazia inserção em jornal. Hoje eles lançam tanta coisa que virou paisagem. Eles nem comemoram direito.

E os loops? Loop é você dar autonomia pra IA trabalhar mais tempo sozinha, validando o próprio output em vez de depender de você apertando botão. Mas ele só funciona quando existe uma forma verificável e quase binária de checar o trabalho, e em software isso existe: testes.

Isso não significa que você não vai olhar nada. Significa que você não precisa ficar na frente do computador acompanhando cada passo. Antes de subir pra produção, você olha. Sempre vai ter um humano responsável (você não pode apertar o pescocinho da Anthropic se der errado. 😅)

3. “A maioria dos projetos de IA não dá ROI”

Esse aqui, gente: ele não está errado. Existem vários estudos apontando que ~95% dos projetos de IA não conseguem medir ROI.

Mas tem duas camadas aqui.

Primeira: a maneira como o ROI é medido.

Imagina que você comprou licença de Claude pra empresa inteira esperando reduzir custo. Você tem 10 tarefas no calendário, cada uma leva 1 hora. Com a IA, cada uma passa a levar 45 minutos.

Só que você não mandou ninguém embora. A pessoa continua trabalhando. E com o tempo livre ela não vai pra praia tomar drink de guarda-chuvinha… ela produz mais.

Então: você comprou IA esperando reduzir o input (custo), mas o que você ganhou foi output. E como você só olha pro input, conclui que não teve ROI.

Não teve redução de custo, mas você está produzindo mais.

Segunda: IA não se implementa sozinha.

Não é à toa que a própria Anthropic e a própria OpenAI investiram em consultorias. O gargalo maior delas não é o modelo, é o serviço de colocar o modelo pra rodar dentro das empresas. Essas consultorias literalmente colocam engenheiros dentro do cliente pra entender o business antes de aplicar IA naquilo.

Ou a pessoa mede a coisa errada, ou ela acha que comprar IA já resolve. Não resolve.

4. “IA só constrói lixo inseguro”

Aqui eu discordo completamente, mas vou explicar por que o lixo acontece (porque ele acontece mesmo.)

E não é só com leigo, não. Eu já vi muito engenheiro pedindo “faz um CRM pra mim, não cometa erros”. Meu filho, eu ficaria surpresa se o resultado não fosse lixo.

Quando você usa assim, três problemas aparecem:

1. Código duplicado. Num projeto pequeno, o código todo cabe na janela de contexto (a “memória” da IA). Conforme o projeto cresce, para de caber. Se você não pede pra ela olhar o que já existe, ela cria outro pedaço de código que faz a mesma coisa. Agora você mantém duas funções que criam usuário. Uma esquizofrenia.

2. Over engineering. A IA escolhe o caminho mais complicado pra fazer algo que deveria ser simples.

3. Bagunça. Se você não tem opinião sobre como organizar o projeto, a IA tem — e a opinião dela costuma ser socar 600 arquivos numa pasta só. No dia que der problema, boa sorte pra achar.

Nada disso é culpa da IA. É mau uso da IA. O que eu faço:

1. Escrevo um planejamento do que quero construir

2. Rodo uma pesquisa dentro do projeto pra ver se aquilo já existe e como se conecta ao resto

3. Peço referências comprovadas de implementação (GitHub, Stack Overflow) quando é algo mais complexo

4. Mantenho documentação de arquitetura — todos os meus projetos são organizados da mesma forma

Simples assim. Esses artefatos são o que impede o lixo de se acumular.

5. “Isso cria profissionais dependentes, sem domínio real”

Esse comentário foi o mais inteligente de todos, e eu tenho contrapontos, mas concordo em parte.

Existem duas formas de usar IA:

• Automation: usar IA pra fazer mais rápido algo que você já sabe fazer

• Augmentation: usar IA pra fazer algo que você não conseguiria fazer sem ela

Em automation, dependência não é problema. Arquiteto antigamente desenhava em papel vegetal; hoje usa AutoCAD. Ele depende do AutoCAD? Saberia trabalhar sem? Saberia. Mas é muito melhor com. É como energia elétrica: a gente depende, e quando cai uma chuva em São Paulo ninguém trabalha (obrigada, Enel 🙃). Dá pra viver sem? Dá. É melhor com? Muito.

Em augmentation, aí sim eu concordo que existe algum grau de dependência. E o caminho é:

1. Desenvolver senso crítico sobre o que você está fazendo, mesmo que não seja seu ofício

2. Submeter o resultado à revisão de alguém que realmente sabe

É exatamente o que eu faço. Eu não sou engenheira, meu senso crítico vai até a página dois. Nos projetos de cliente que vão pra produção, eu preciso de alguém com muito mais profundidade olhando.

6. “E quando a bolha estourar?”

O argumento: você paga $200/mês no Claude, mas o custo real é muito maior. Logo, é insustentável e a festa vai acabar.

Vamos por partes, porque tem uma confusão clássica aqui: preço não é custo.

Existem duas formas de usar o Claude: assinatura (20, 100, 200 dólares) ou compra de créditos de API. Créditos saem muito mais caro. Eu desenvolvi um projeto essa semana na minha assinatura de $200, se tivesse feito via créditos de API, teria gastado uns $2.500.

Mas esses $2.500 são o preço que eles me cobrariam, não o custo que eles têm. Não quer dizer que estão no prejuízo.

“Então por que precisam de financiamento?” Porque treinar modelo faz uma barriga no fluxo de caixa. O financiamento compensa isso, não a assinatura.

Agora, empresas como Cursor e Lovable, que são clientes da Anthropic e da OpenAI: essas sim estão subsidiando você. Você paga $20 e talvez custe $50 pra elas. Elas fazem essa aposta esperando que o custo de token caia 10x nos próximos anos, ou que consigam treinar modelo próprio (como o Cursor fez com o Composer). É uma aposta legítima — mas não dá pra generalizar a partir de manchete.

E sim, existem constraints reais. Rodar um modelo pequeno na sua máquina já exige uns 24GB de RAM, se for comprar um MacBook desses custa uns R$25 mil aqui no Brasil, e isso não roda modelo grande nenhum. Um chip da Nvidia custa preço de apartamento. Some o custo energético. Inclusive: só chega em AGI quando o custo da IA trabalhar sozinha (tokens + energia + recursos) for menor que colocar uma pessoa pra fazer aquilo.

Mas daí a dizer que vai voltar a ser como era antes? Não vai. Os modelos chineses já estão entregando nível frontier por uma fração do custo americano, com opções open source. No pior cenário possível, a gente fica só com open source rodando local — e o estrago já está feito. Não tem como voltar atrás.

Bônus: “faz esse vídeo em português”

Essa eu recebo muito 😅

E minha resposta, com carinho: aprendam inglês.

Se você se interessa por IA e não fala inglês, você vai ser, no melhor cenário, o terceiro a saber das coisas. Primeiro o cara do Vale do Silício. Segundo alguém como eu, que consome o conteúdo direto da fonte. Terceiro você. E pode ser que seja o quarto, o quinto.

Trabalhar com tecnologia e não saber inglês hoje é tipo não saber usar Excel. É elementar. (Aceito a crítica, tá? Estou me esforçando pra falar menos inglês nos vídeos!)

Agora é com você

Discordar é ótimo, e é literalmente a beleza de produzir conteúdo, ouvir pontos de vista diferentes. Ninguém é obrigado a concordar comigo, assim como eu não sou obrigada a concordar com você. Só faça isso com respeito. 💜

👉 Assista ao vídeo completo aqui, onde mostro cada comentário na tela e respondo com mais contexto!

Até a próxima edição da DebGPT! 💜

Serviço. Justamente a coisa que ensinam o empreendedor a evitar, porque não escala.

E olha o que aconteceu: um único cliente dessa nova empresa me paga mais do que todos os meus clientes de SaaS juntos. É completamente desproporcional.

Só que essa decisão não foi impulso. Eu segui à risca a nova tese da Sequoia, o mesmo fundo de investimento que está por trás de Apple, Google e Nvidia. E eles estão dizendo que a próxima empresa de um trilhão de dólares vai vender serviço, não software.

Nesta edição eu vou te contar a história toda, explicar essa tese do zero e te mostrar o erro que praticamente todo mundo que está construindo com IA está cometendo agora. Inclusive eu, até poucas semanas atrás.

O recado que meus clientes me deram por meses (e eu ignorei)

Só pra te colocar na mesma página: alguns meses atrás eu lancei o Epic, um AI app builder. Você descreve seu projeto e ele constrói o software pra você. A diferença pros concorrentes é que o Epic organiza o projeto de um jeito que permite que ele cresça e seja mantido ao longo do tempo, evitando aquela coisa irritante de arrumar uma coisa e quebrar outra.

O negócio começou a dar certo rápido. Assinantes, receita recorrente, tudo lindo.

Mas aconteceu uma coisa curiosa: muita gente comprava a tese do produto, mas queria que eu fizesse o trabalho por ela.

Eu ouvi isso de dezenas de pessoas. E resisti a todas.

Até que fui ao Parabellum, evento organizado pela Priscila Asilo e pelo Pedro Sobral, e cruzei com o Rafael Milagre, fundador do Viver de IA. Mostrei o Epic pra ele e ele teve exatamente a mesma reação: “muito legal, mas sabe o que ia ser mais legal? Se você entregasse pronto.”

Ali eu fiquei pensando mais ainda. Se até ele estava falando isso, talvez fosse hora de prestar atenção.

No dia seguinte eu fiz um formulário, postei um stories e comecei a receber inscrições. Fiz três reuniões. Na terceira, fechei o primeiro cliente. E esse projeto sozinho paga mais do que todas as assinaturas do Epic somadas.

Esse novo braço é a Epic Labs.

A tese da Sequoia: Service as Software

O artigo da Sequoia se chama The New Software e ele resume perfeitamente o movimento que eu fiz.

A ideia central é simples: as próximas maiores empresas do mundo vão parecer empresas de serviço por fora, mas ser empresas de software por dentro. Elas vão usar esse software para entregar o serviço de um jeito muito mais eficiente que qualquer concorrente.

Por que SaaS ficou frágil (e serviço ficou forte)

O artigo começa tocando no medo que todo dono de SaaS tem: o que acontece quando a próxima geração de modelos da OpenAI ou da Anthropic matar o seu negócio?

O ponto é esse: se você vende a ferramenta, você está correndo contra o modelo. Você pode ser esmagado no próximo lançamento.

Mas se você vende o trabalho pronto, você está isento desse risco. Porque você usa a IA para entregar o trabalho, então cada melhoria de modelo é um ganho seu. O serviço fica melhor, mais rápido e você precisa interferir cada vez menos. Você para de correr contra o modelo e passa a correr em cima dele.

E tem a questão do tamanho do bolso. Pensa numa empresa que paga 10 mil dólares por ano por um software de contabilidade e 120 mil dólares por ano pro contador que usa esse software. A próxima empresa de bilhões não vai vender a ferramenta pra fechar o balanço. Ela vai vender o balanço fechado.

Se foi feito por uma pessoa, por uma IA, com a mão ou com o pé, pouco importa. O que importa é o resultado entregue.

Um contraste que ilustra isso bem:

• Harvey: ferramenta de IA que ajuda advogados a escrever e revisar contratos mais rápido. O cliente é o advogado.

  

• Crosby: vende os contratos prontos para quem contrataria o advogado. Eles competem com escritórios de advocacia, têm advogados supervisionando, mas o trabalho é majoritariamente feito por IA.

  

Dois negócios completamente diferentes. Um vende a ferramenta, o outro vende a solução.

Os 3 sinais de que um serviço está pronto pra isso

A Sequoia dá uma dica ótima de onde começar: pegue serviços que as empresas já terceirizam. Quando um serviço já é terceirizado, isso te diz três coisas de uma vez:

1. A empresa já aceitou que aquilo pode ser feito por outra pessoa. Você não precisa vencer essa objeção.

2. Já existe uma linha no orçamento pra pagar esse fornecedor. Você não vai ter que fazer o cliente criar verba do zero.

3. O comprador já está comprando resultado. Ele não está nem aí pra ferramenta, ele quer o problema resolvido.

As 6 categorias que eu colocaria na lista agora

Aplicando esses três filtros, aqui vão as que mais me chamam atenção:

• Corretoras de seguros. Está pedindo pra ser revolucionada. É 100% terceirizado, eu nunca vi uma empresa com time de corretagem interno. A última vez que contratei um seguro me pediram pra mandar meus dados no corpo do email. Sem formulário, sem nada. Gente, pelo amor de Deus.

• Contabilidade. Não é por atendimento ruim (minha contadora Andreia é maravilhosa), é porque as empresas já estão acostumadíssimas a terceirizar.

• Advocacia. Sabia que o setor que mais usa IA no Brasil é o jurídico? Terceirizado e com adoção alta. Combinação perfeita.

• Consultorias. Esse setor está sendo amassado, principalmente as consultorias mais comoditizadas. Hoje você tira relatório e análise muito boa com Claude ou ChatGPT, rápido e barato. O caminho é entregar o que a pessoa não consegue fazer sozinha no chat.

• Agências de publicidade. Vim desse mundo. Tem ferramenta de imagem, tem MCP da Meta pra fazer anúncio, tem tudo. E é um serviço que muita empresa já terceiriza.

• Recrutamento e seleção. Até empresas com time interno trabalham em parceria com consultoria. Sou casada com o dono de uma empresa desse setor, então conheço bem esse mercado.

E o padrão por trás de todas elas: as melhores oportunidades são atividades que exigem mais inteligência do que julgamento.

Escrever código é inteligência. Decidir o que construir é julgamento. Dá pra treinar uma IA pra ter camada de julgamento? Dá. Mas é muito mais fácil começar pelo que é puro trabalho intelectual. Quanto mais inteligência um trabalho exige, maiores as chances dele virar Service as Software.

O que a Epic Labs é (e o que ela não é)

Quando li esse artigo, eu finalmente entendi o que meus clientes tentavam me dizer há meses.

Eles não estavam pedindo desconto nem mais features. Estavam dizendo: “Deborah, achei o Epic maravilhoso. Mas eu não quero usar o Epic. Não tenho tempo, não tenho conhecimento técnico, não tenho interesse. Se você entregar pronto, eu topo.”

Eu tinha demanda de serviço batendo na porta e insistia em empurrar minha ferramenta.

Então na Epic Labs a gente não vende licença, não vende acesso à plataforma, não vende treinamento de ferramenta. A gente usa o Epic como motor de uma fábrica de software autônoma e vende o que sai dela: o sistema pronto e funcionando.

Porque a empresa média brasileira não quer adotar IA. Ela quer o follow-up de vendas feito, a proposta emitida, o financeiro conciliado. Ela quer comprar o resultado.

O plot twist: eu já tinha feito isso antes

O mais curioso é que a Epic Labs está ficando muito parecida com a minha primeira empresa. Eu só não sabia que aquilo tinha nome.

Eu tinha uma produtora que fazia criativos para grandes marcas. Serviço puro. Só que em vez de escalar contratando um exército de designer e filmmaker, eu automatizei o trabalho que esse time fazia. Continuei com alguns profissionais, mas um cara sozinho produzia dois mil vídeos por mês.

Por fora, serviço. Por dentro, ferramenta própria. A tese da Sequoia sem IA nenhuma, na base de um time de quinze desenvolvedores construindo e mantendo aquilo.

Toquei essa empresa por oito anos e vendi pra VidMob, uma empresa americana. Foi ela que mudou minha vida e é de lá que vem a maior parte das dores que eu compartilho aqui com você, não do Epic, que tem menos de um ano.

A diferença é que hoje eu não preciso de um time de engenheiros pra montar essa estrutura. E meu cliente pode pedir coisas que cinco anos atrás ele nem consideraria, porque eram simplesmente impossíveis.

Recapitulando

• SaaS não é um negócio ruim, mas é frágil neste contexto. Uma atualização de modelo pode matar seu produto.

• Serviço entregue com IA é antifrágil: cada evolução de modelo vira ganho de eficiência pra você.

• O orçamento que as empresas têm pra pagar por trabalho pronto é muito maior do que o que elas têm pra comprar mais uma ferramenta.

• Comece pelos serviços que já são terceirizados e que dependem mais de inteligência do que de julgamento.

• E não, isso não significa abandonar software. O Epic continua vivo e rodando. Significa ter estratégia pra mitigar risco.

Agora é com você 🚀

Se você tem um projeto na cabeça pra implementar IA no seu negócio e quer que a gente faça por você, fala com a Epic Labs. A gente entrega em 30 dias, 100% feito por engenheiros profissionais e com garantia de 30 dias. Você não precisa contratar desenvolvedor, aprender ferramenta nova nem esperar seis meses pra ver alguma coisa pronta.

👉 Epic Labs

E se você quer a versão completa dessa história, com o artigo da Sequoia na tela e todos os exemplos, o vídeo está no ar no canal

Me responde esse email contando: qual outro serviço que as empresas já terceirizam você acha que está pedindo pra virar Service as Software? Aposto que esqueci algum importante.

Até a próxima edição da DebGPT! 💜

Gente que passou dez anos construindo carreira pra virar diretor, VP, C-level, hoje está pedindo pra voltar a colocar a mão na massa. E o mais louco: está ganhando mais por isso.

O que me fez gravar um vídeo inteiro sobre isso foi um artigo da Elena Verna, VP de Growth do Lovable, uma das startups de IA que mais crescem no mundo. O título é direto: “IC work is the new career flex”. IC significa individual contributor, que aqui a gente chamaria de especialista. Ou seja: a nova ostentação de carreira é ser especialista, não ser chefe.

E eu acredito que essa vai ser a maior transformação que as carreiras vão sofrer nos próximos anos.

O trabalho de estagiário com salário de diretor

Eu brinco que é isso: trabalho de estagiário com salário de diretor. Parece piada, mas olha os números.

A Elena abriu mão de um cargo de liderança pra ser IC no Lovable, e conta que nunca ganhou tanto dinheiro na vida. O Tobi Lütke, CEO do Shopify (uma empresa de 150 bilhões de dólares), disse que está colocando tanto a mão na massa que produziu mais nas últimas semanas do que na última década inteira.

E eu quase caí pra trás quando descobri que o time de growth marketing inteiro da Anthropic é uma pessoa só. Uma empresa avaliada em quase um trilhão de dólares, e o time de growth é um cara.

Por que o especialista sempre bateu no teto

Até pouco tempo atrás só existia um jeito de crescer de verdade na carreira: virar gestor.

Algumas empresas de tecnologia criaram a trilha de especialista, mas você sabe o que acontecia: chegava um momento em que você batia no teto. Sem gente respondendo pra você, não tinha VP, não tinha C-level. Ponto.

E aí rola aquele filme que todo mundo já viu: a empresa pega o melhor vendedor, o melhor designer, o melhor engenheiro, e promove pra gerenciar gente que muitas vezes é bem pior naquilo do que ele. Tira o cara da zona de genialidade dele e coloca num trabalho que ele talvez odeie, e ele aceita porque era a única forma de crescer.

A Elena conta dois casos que doem de tão reais: ela foi cortada de um processo na Netflix porque tinha “só” três pessoas respondendo pra ela, e num outro emprego o chefe disse que só ia promovê-la no dia em que abrisse o Jira (ferramenta de gestão de projetos) e não visse nenhum card com o nome dela. Ou seja: pra ser promovida, ela precisava parar de fazer.

Durante décadas, a definição de sucesso esteve grudada numa métrica só: quantas pessoas respondem pra você.

Eu já vivi isso (e odiei cada minuto)

Eu comecei como especialista. Sempre fui designer. Se você quer me ver feliz, me coloca numa sala, tira todas as reuniões do meu calendário e me deixa trabalhando sem ninguém me interromper.

Só que chegou o momento em que eu não dava mais conta sozinha, então contratei. E aconteceu o previsível: eu deleguei justamente o trabalho que eu amava fazer, e sobrou pra mim a gestão, que era exatamente a parte que eu odiava. Meu dia virou reunião. Eu fiquei infeliz.

Se você já passou por isso, sabe que não é frescura. É uma armadilha estrutural da carreira.

O que muda quando a IA entra na jogada

A principal mudança que a IA trouxe foi permitir que as pessoas sejam especialistas por mais tempo. Antes, assim que você batia no seu teto de produtividade, não tinha escolha: era contratar. Hoje tem.

E olha o ponto mais importante: a IA privilegia quem já tem expertise. Ela não substitui o seu bom gosto, ela amplifica. Se você é muito bom em design, você bate o olho e sabe se ficou bom ou ruim. Com IA trabalhando pra você, esse julgamento vira sua maior vantagem, porque você consegue orientar, corrigir e fazer curadoria do trabalho dela. E é bem mais fácil influenciar uma IA a trabalhar do seu jeito do que treinar alguém a trabalhar do seu jeito.

A Elena tem um conceito ótimo pra isso: average intelligence. A IA sozinha entrega performance mediana. Comparada a um profissional muito fora da curva, ela perde. Mas quando você coloca a IA na mão desse profissional, aí ele produz muito mais e muito melhor.

Eu falo por experiência própria: hoje eu mantenho conteúdo em quatro plataformas (newsletter com 22 mil inscritos em oito meses, YouTube batendo quase 70 mil, Instagram e LinkedIn), além de design de produto, marketing e palestras. Alguns anos atrás isso aqui seria eu e mais três pessoas. No organograma da minha empresa tem um monte de vaga que eu simplesmente nunca precisei abrir.

Lovable, Shopify e Anthropic: os três casos

Lovable. A Elena é VP de Growth e o time é ela mesma. Fecha parcerias, constrói protótipos, roda campanhas. A página de pricing do Lovable? Foi ela quem fez. Eu já vi empresa muito menor, cheia de burocracia, onde VP não toca em nada.

Shopify. No GitHub (plataforma onde desenvolvedores publicam código) dá pra ver o gráfico de contribuições de cada pessoa. O do Tobi era esporádico até ele descobrir que dava pra programar com IA. Depois disso não parou mais, e não são commits aleatórios: são contribuições relevantes pro produto, feitas pelo CEO.

Anthropic. Eles publicaram uma entrevista com o Austin, o “non-technical team of one” do growth marketing, explicando como ele usa Claude Code pra dar conta sozinho do que seria um time inteiro.

A ascensão do solo founder

Historicamente, pra montar uma empresa você precisava de três cabeças: o hacker (engenharia e produto), o hipster (design e marketing) e o hustler (comercial).

Agora olha: as buscas por “solo founder” cresceram 900% em comparação aos cinco anos anteriores. E não é só busca. A Carta (empresa super respeitada no meio de investimento) mostra que a fatia de empresas do portfólio fundadas por uma pessoa só saiu de 23% e chegou a 36%, com a curva se acentuando depois do ChatGPT. E esse dado ainda é do primeiro semestre do ano passado.

Como se tornar um HI-C (High-impact IC)

A Elena chama esse grupo de HI-C: High Impact Contributor. O especialista de alto impacto, que produz por cinco, por dez pessoas. É exatamente esse profissional que as empresas vão caçar daqui pra frente.

Ela dá duas recomendações. A primeira é democratizar o acesso à informação, e eu concordo 100%: não tem como alguém entregar output de VP sem receber o input de um VP. A segunda é recrutar líderes pra ocupar cadeiras de especialista, e aqui vai uma ressalva sincera: isso funciona pro Lovable, que tem employer branding pra convencer qualquer diretor. Pra empresa normal, não cola.

Na prática, o que eu acredito que você precisa (seja pra virar um HIC, seja pra formar um no seu time) são três coisas:

1. Alinhamento. Eu uso muito esse exemplo: precisamos atravessar essa ponte. O objetivo é esse, claríssimo pra todo mundo.

2. Autonomia. Se você vai montar um caiaque, fazer uma tirolesa ou construir uma ponte, pouco importa. A gente só precisa chegar do outro lado. E olha: autonomia sem alinhamento vira gente correndo rápido em direções diferentes.

3. Obsessão por IA. Você quer perto de você quem tem curiosidade genuína, não quem torce o nariz. Eu sempre falo: cabeça de cientista, não de juiz. O juiz dá veredito (”não ficou bom mesmo”). O cientista faz pergunta (”não ficou bom, como a gente faz ficar melhor?”). Adivinha qual dos dois extrai resultado de IA.

Recapitulando

• O teto do especialista caiu, e dá pra crescer sem virar gestor

• A IA amplifica quem já tem expertise, ela não substitui bom gosto

• Solo founders deixaram de ser exceção

• A receita é: alinhamento + autonomia + obsessão por IA

O Brasil está sempre um passinho atrás, mas na bolha onde eu vivo já vejo muita gente operando assim. Isso chega aqui, e quem se preparar antes ocupa o melhor lugar.

Agora é com você.

Eu gravei um vídeo no Youtube destrinchando esse tema! Confere lá! Tenho certeza que você vai adorar. 👇🏽

Até a próxima edição da DebGPT! 💜

Agora responde uma pergunta comigo: o que acontece quando o usuário do seu produto não é uma pessoa, e sim um agente de IA?

Eu sei que parece papo de ficção científica. Mas para de ler por dois segundos e pensa direito: se o usuário não tem olho pra ver interface, não tem juízo pra desconfiar de um gasto absurdo, não tem memória de ontem e roda 24 horas por dia sem cansar… quase tudo que existe hoje quebra.

E cada coisa que quebra é uma categoria inteira pra ser reconstruída.

Eu fui atrás do que já está sendo construído lá fora e achei 6 negócios que estão levantando dezenas de milhões de dólares fazendo exatamente isso. E o mais louco: eu não vi absolutamente ninguém fazendo nada parecido aqui no Brasil.

Antes… um recado

Depois de 10 meses ensinando milhares de pessoas a construir soluções com IA, eu decidi fazer algo que eu nunca fiz: construir pra você.

Nesse mês, eu vou escolher 5 empresas para construir a solução de IA que o seu negócio precisa para vender mais ou gastar menos.

A sua parte é uma só: nos explicar como a sua operação funciona e onde está o gargalo. A nossa parte é entrar com o que falta na equação: com o tempo, a dedicação e a expertise pra tirar essa solução da sua cabeça e colocá-la pra rodar dentro da sua empresa.

O que podemos fazer por você?

• Funcionários digitais que respondem clientes, fornecedores e a sua própria equipe, dentro do WhatsApp, Telegram ou Slack, 24 horas por dia

• Sistemas com IA dentro : em vez de você trabalhar pro sistema (preenchendo, atualizando, conferindo), o sistema trabalha pra você

• O seu próprio sistema : o CRM, o painel ou a ferramenta do jeito exato que a sua operação funciona (e que nenhum software de prateleira entrega)

Tudo 100% customizado para a sua empresa. Tudo o que você precisa fazer para se inscrever é clicar no botão abaixo e preencher o nosso formulário.

Quero me inscrever

A aplicação leva apenas 5 minutos.

1. Freelancers (só que a IA contrata o humano)

Você conhece GetNinjas, Workana, Fiverr. Todos funcionam igual: pega um humano com uma demanda de um lado, conecta com um humano que tem a habilidade do outro.

Agora imagina seu agente trabalhando. Ele resolve quase tudo sozinho, até esbarrar no mundo físico. Ele não levanta um livro, não carrega um saco de cimento, não busca sua encomenda nos Correios. Em algum momento, ele vai precisar de um corpo com bracinho e perninha.

Aí surge a Rent a Human (startup do Y Combinator) e o nome já entrega: um marketplace de freelancers invertido, onde a IA contrata seres humanos pra fazer tarefas no mundo real.

Funciona assim: você delega uma tarefa pro seu agente normalmente. Quando ele trava em algo físico, ele mesmo publica a tarefa na plataforma com uma recompensa: “preciso de alguém pra testar o atendimento dessa cafeteria, US$ 200” ou “entrega esse presente nesse endereço, US$ 45”. Recebe propostas, escolhe a pessoa, e pronto.

E olha o detalhe mais inteligente: o pagamento fica travado numa conta escrow (conta de garantia). Só quando a tarefa é comprovada (foto, recibo, comprovante) o dinheiro é liberado. Porque agente nenhum consegue confiar no “pode deixar que eu fiz”.

2. Cartão de crédito para IAs

Aí a IA contratou o humano. E agora vem a parte que interessa: como é que ela paga?

Todo mundo tem cartão de crédito. Só que quando você precisa que o seu agente use o seu cartão, começa o problema. Eu já vi história demais na internet de gente que entregou o cartão pro agente e ele torrou um dinheiro que não devia, e não teve como reaver, porque pra Visa e pra Mastercard pouco importa se foi você ou o robô que passou. A própria Mastercard publicou um artigo sobre isso, dizendo que precisamos criar formas de controlar gastos feitos por agentes. Não é um caso isolado, é uma categoria de problema.

“Mas é só criar um cartão virtual, né?” Não. Dois furos:

1. Ele não escala. Toda vez que o agente quiser comprar algo, ele vai ter que te cutucar pra você gerar um cartão. Adeus autonomia.

2. Ele é genérico. Aquele cartão serve pra qualquer loja, qualquer valor. Até você lembrar de deletar (ou ele expirar em 24, 48 horas), o agente pode passar N transações que você nunca autorizou.

A Allowance (também YC, hoje com parceria com a Visa) resolveu isso invertendo a lógica: o cartão nasce sob medida para uma compra específica. O agente quer comprar uma passagem? Ele pede autorização, você aprova, a Allowance emite um cartão de uso único, com teto de gasto, travado naquela loja e com validade. Ele compra. E o cartão morre.

3. E-mail para IAs

Esse é elementar: o e-mail é o CPF da internet. Sem e-mail você não cria conta em lugar nenhum, não recebe código de confirmação, não existe online.

Agora tenta criar uma conta do Gmail pro seu agente. Uma até vai. Cinco, você já apanha: pede celular pra verificar, pede captcha (literalmente pedindo pro robô provar que não é robô 😂). Eu mesma tentei criar o e-mail do próprio agente esses dias e o Google barrou porque meu telefone já estava em outros e-mails. Agora imagina fazer isso pra 50 agentes.

A AgentMail vende exatamente isso: email inboxes for AI agents. Pensa num Gmail sem interface, só terminal, só texto. Porque interface bonitinha é coisa de ser humano; pra IA, design só serve pra queimar token.

Com alguns comandos o agente cria a própria caixa, envia e recebe. Sem captcha, sem celular, sem ban. E melhor: quando chega um e-mail, a AgentMail manda um ping pro agente, igual notificação no seu celular. Ele não precisa ficar checando a caixa de tempo em tempo (o que, de novo, é token queimando à toa).

E fica o aviso que vale por toda a edição: nunca dê seu e-mail pessoal pro seu agente. Ali chega senha de banco, código do cartão, coisa da sua vida. Trata ele como você trataria uma secretária: conta própria, acesso próprio, coisas separadas.

4. Gestão de gastos para IA

A IA tem e-mail. Tem cartão. Agora vem a pergunta de todo dono de empresa: quem está olhando pra fatura dessa turma toda?

Hoje empresa controla despesa com ferramentas tipo a Ramp (a principal concorrente da Brex, dos brasileiros Henrique e Pedro). Pra humano, funciona lindamente: a pessoa gasta, o financeiro vê no dashboard.

Com agente, quebra em três lugares:

• Velocidade. Aprovação de despesa por e-mail leva horas. A IA gasta em milissegundos. Quando o financeiro viu, já foi.

• Loop. O agente travou insistindo no mesmo erro por horas e torrou US$ 500 em token. Ninguém foi avisado.

• Escala. Com 50 agentes rodando, você precisa saber quem gastou, no que e por quê.

A Skyfire ataca isso funcionando como uma carteira pré-paga pro agente. A lógica é dar mesada pro filho: você deposita US$ 500 na carteira daquele agente e é isso que ele tem. Dá pra colocar limite por compra, limite de token, limite por período. Estourou? Acabou. E você vê o gasto em tempo real, sabendo exatamente pra onde o orçamento está indo.

Eles levantaram quase US$ 10 milhões com o braço de investimento da Coinbase e a a16z.

5. Base de conhecimento para IAs

Toda empresa organizada tem um Notion com políticas, manuais e processos. Serve pra treinar funcionário e ensinar as regras da casa.

Só que quando o funcionário é um agente, aparecem dois problemas que humano não tem:

1. Amnésia. Por definição, cada sessão começa do zero. Não é que você ensina uma vez e pronto. Você ensina, ele esquece, você ensina de novo.

2. Memória limitada. Mesmo que você entregue toda a documentação da empresa, ela não cabe de uma vez na cabeça da IA (o famoso limite de contexto).

Por isso, dar o Notion pro seu agente quase nunca funciona. O que essa categoria precisa é de um segundo cérebro otimizado pra IA, que guarda o que importa e devolve só o pedaço certo na hora certa.

Uma das empresas que vi levantou US$ 24 milhões e virou a memória oficial do kit de agentes da Amazon, se posicionando como a camada de memória persistente. E tem outra com uma sacada linda: enquanto seus agentes trabalham (e você corrige eles), a ferramenta anota tudo. Depois, ela faz o que o seu cérebro faz enquanto você dorme, reflete sobre o que aconteceu e escreve um resumo com as conclusões. Na próxima vez, o agente não puxa a bagunça inteira: puxa só o aprendizado.

Preciso ser sincera com você: essa categoria ainda é incipiente. Tem gente promissora, mas ninguém fincou a bandeira. E no Brasil? Nada. Zero.

6. Analytics de IAs

Você conhece a frase: não se gerencia o que não se mede.

Pra dados a gente tem Google Analytics e Power BI. Pra gente, a gente tem avaliação de desempenho. E pra agente?

Imagina um agente de suporte que, pra responder o cliente, precisa consultar no banco a qual plano ele pertence. Deu pau, ele não conseguiu acessar. O que acontece? Ele não fica calado. Ele responde. Só que responde errado, e ninguém fica sabendo.

Esse é o ponto que muda tudo: software convencional quebra e mostra erro. Agente falha em silêncio.

Por isso está surgindo a categoria de observabilidade de agentes. Pensa num Google Analytics com câmera de segurança: um painel que grava tudo o que o robô fez, ação por ação, com replay da sessão inteira. Qual ferramenta ele chamou, qual decisão tomou, onde deu erro, pra onde foram seus tokens. Você volta na fita, encontra exatamente onde ele errou, e impede que aconteça de novo.

Recapitulando: a fórmula por trás dos 6

Repara que todos seguem exatamente o mesmo movimento:

Pega uma categoria que já existe pra humanos → faz o flip dela para agentes.

Freelancer → IA contrata humano. Cartão → cartão que morre depois da compra. E-mail → inbox sem interface. Gestão de gastos → mesada com guardrail. Notion → segundo cérebro. Analytics → câmera de segurança do agente.

E o motivo de a empresa incumbente não conseguir simplesmente se adaptar é sempre o mesmo: o agente não tem juízo, não tem memória, e é rápido e escalável demais. Toda vez que um produto feito pra humano esbarra em um desses três, tem um ângulo ali. Provavelmente um negócio.

Então o exercício é esse, e você pode fazer hoje, com qualquer produto que você usa: “se só agentes usassem essa plataforma, ela atenderia? Onde ela quebraria?” A resposta pode ser o começo de uma empresa.

E não, eu não tô dizendo que é fácil. Tô dizendo que é cedo. E geralmente quem chega cedo bebe água limpa. 💜

E pra ver tudo isso na tela

Assista o meu vídeo completo no Youtube 👇🏽

Me responde esse e-mail contando qual das 6 categorias você construiria primeiro aqui no Brasil. Eu leio todos e respondo sempre que posso!

Até a próxima edição da DebGPT! 💜

E eu sei exatamente por que isso é tão difícil de fazer: aplicar IA exige tempo e muita dedicação (dois recursos escassos para alguém que já tem uma empresa para tocar).

Foi por isso que eu e o meu sócio Edmar decidimos começar o Epic Labs. Nossa empresa de implementação de IA e desenvolvimento de software. Neste mês, nós vamos escolher 5 empresas e usar tudo o que a gente sabe sobre IA e tecnologia para construir do zero a solução que o seu negócio precisa para ganhar mais e/ou gastar menos.

A sua parte é uma só: nos explicar como a sua operação funciona e onde está o gargalo. A nossa parte é entrar com o que falta na equação: com o tempo, a dedicação e a expertise pra tirar essa solução da sua cabeça e colocá-la pra rodar dentro da sua empresa.

O que podemos fazer por você?

Alguns exemplos para abrir o seu apetite:

• Funcionários digitais que respondem clientes, fornecedores e a sua própria equipe, dentro do WhatsApp, Telegram ou Slack, 24 horas por dia

• Sistemas com IA dentro : em vez de você trabalhar pro sistema (preenchendo, atualizando, conferindo), o sistema trabalha pra você

• O seu próprio sistema : o CRM, o painel ou a ferramenta do jeito exato que a sua operação funciona (e que nenhum software de prateleira entrega)

Tudo 100% customizado para a sua empresa. Tudo o que você precisa fazer para se inscrever é clicar no botão abaixo e preencher o nosso formulário.

Quero me inscrever

A aplicação leva apenas 5 minutos.

Como funciona?

• Briefing: primeiro a gente conversa pra entender a sua operação, necessidades e objetivos.

• Planejamento: com base nessa conversa inicial, elaboramos um plano com o desenho completo do que vamos construir (como se fosse a planta de uma casa) pra você. aprovar

• Construção: nós construímos exatamente o que você aprovou e entregamos rodando em algumas semanas.

• Garantia: depois de entregue, monitoramos o seu sistema por 30 dias e qualquer bug nesse período é corrigido sem nenhum custo adicional.

No final, tudo é seu: código, banco de dados e acessos no seu nome.

Por que confiar na gente?

Porque antes de ensinar IA na internet, eu e o Edmar fizemos exatamente o que o Epic Labs faz, só que nas nossas próprias empresas.

Eu fundei uma empresa chamada Chiligum como uma agência criativa: serviço puro. Usando tecnologia, eu automatizei o trabalho que meu time fazia na mão, e anos depois, vendi essa negócio para uma companhia americana chamada Vidmob (do grupo Adobe).

O Edmar, curiosamente, fez o mesmo: pegou um serviço artesanal (produção de conteúdo) e transformou na Rock Content, a maior plataforma de content marketing da América Latina, que chegou a ser avaliada em mais de US$ 100 milhões.

Só tem uma diferença a seu favor: hoje, com IA, a gente consegue fazer em semanas o que antes levaria anos. E a gente sabe disso na prática, porque foi assim que nós dois construímos o Epic, nossa ferramenta que ajuda mais de 13 mil pessoas a criar apps e sistemas com IA, de empresas como: Mercado Livre, Nubank, Brex e Itaú.

É essa a combinação que vai trabalhar pra você: a mão de quem constrói com IA no mais alto nível, com a cabeça de quem já fundou e tocou uma empresa; fluente em duas línguas: a da tecnologia e a negócios.

O que as 5 empresas selecionadas vão receber:

• Acesso direto a mim e ao Edmar durante todo o projeto

• O plano completo da solução, desenhado e revisado até a sua aprovação

• A construção da solução exatamente como você aprovou

• Garantia de 30 dias após a entrega (corrigimos qualquer bug sem custo adicional)

• A solução é sua: código, dados e acessos no seu nome

Por que só 5 projetos?

Porque eu e o Edmar nos envolvemos pessoalmente em cada projeto. O limite não é estratégia de marketing, é agenda física mesmo.

Conforme o Epic Labs crescer, nós montaremos um time e o nosso envolvimento em cada projeto, naturalmente, nunca mais vai ser tão intenso quanto nesses primeiros. Esse grupo pega a gente na fase de maior dedicação por projeto que a empresa vai ter.

Se você quiser se inscrever, é só clicar nesse botão verde aqui embaixo e preencher o formulário.

Quero me inscrever

A aplicação leva apenas 5 minutos.

Próximos passos

Depois que você se inscrever, nós avaliaremos a sua inscrição e daremos um retorno nos próximos dias, conforme a timeline abaixo:

• Inscrições até 21/07 : esse é o prazo que você tem para se inscrever para o Epic Labs

• Devolutiva : entre o dia 22/07 e 28/07, nós vamos avaliar todas as inscrições, selecionar os projetos que tenham mais fit com o Epic Labs e chamar os selecionados para as entrevistas.

• Entrevistas: Entre os dias 29/07 e 05/08, nós conduziremos as entrevistas com os selecionados para elaborarmos um orçamento e estimativa de prazo de entrega para cada projeto.

• Aceite do orçamento: os usuários terão até o dia 07/08 para aceitar os termos propostos no orçamento.

• Início dos projetos: iniciaremos o desenvolvimento dos projetos no dia 10/08 - a conclusão de cada um dependerá do escopo de cada projeto.

Pra começar o seu processo de inscrição, é só clicar nesse botão verde aqui embaixo.

Quero me inscrever

Estou ansiosa pra trabalhar com vocês!
Até a próxima edição,

Deb

Isso tem um nome: loop engineering. E resumindo de um jeito bem simples, é você parar de dar instruções pra IA toda santa vez e passar a montar ciclos que deixam a IA trabalhar sozinha (inclusive enquanto você dorme) até a tarefa estar comprovadamente pronta.

Nessa edição eu vou te mostrar por que mandar prompt é o jeito mais fraco de usar IA, o que é esse tal de loop engineering, e como criar o seu primeiro loop mesmo sem saber absolutamente nada de programação. Bora?

🏆 Um favor rapidinho (30 segundos): eu tô concorrendo no Prêmio iBest, a maior premiação de criadores do Brasil. Se esses conteúdos te ajudam, seu voto me ajuda DEMAIS a continuar produzindo por aqui: 👉 https://premioibest.vote/225937391

O jeito que quase todo mundo usa IA hoje

Vou descrever um ciclo que eu tenho certeza que você vai se identificar:

Você abre o ChatGPT ou o Claude, manda um prompt, espera, recebe uma resposta. Aí você lê, avalia, percebe que não veio bem do jeito que você queria, pensa no que precisa melhorar e manda mais um prompt. E repete. E repete. Até ficar do jeito que você espera.

Percebe o que tá acontecendo aqui? Você é uma etapa do processo. A IA só trabalha quando você aperta um botão. É como se você tivesse contratado um funcionário genial que só age quando você pede, e que fica parado esperando sua aprovação pra continuar.

Ou seja: você virou babá da IA. E isso gera dois problemas.

Problema 1: você é o gargalo. A IA trabalha uns 30 segundos e você gasta o resto do tempo lendo, conferindo e escrevendo a próxima instrução. Se você sair da frente do computador, o trabalho para. Ninguém trabalha sem você ali.

Problema 2 (o pior): quem confere o trabalho é você. E olha, quem usa IA sabe: ela adora dizer que fez o que você pediu. Fala que o texto ficou ótimo, que o site tá perfeito, que corrigiu os erros… e quando você vai conferir, não fez metade. Então, além de babá, você ainda virou o inspetor de qualidade.

Enquanto isso, os melhores usuários do mundo estão fazendo algo bem diferente: eles configuram o loop uma vez, colocam a IA pra trabalhar e vão fazer outra coisa. Essa é a diferença entre quem manda prompt e quem constrói loops.

Afinal, o que é um loop?

A própria equipe do Claude Code criou uma definição bem simples:

Um loop é a IA repetindo ciclos de trabalho até atingir um critério de sucesso específico.

Deixa eu quebrar isso em duas partes, porque aqui mora tudo.

Parte 1: “repetindo ciclos de trabalho”. Lembra que no modelo do prompt era você que avaliava o resultado? No loop, é a própria IA que faz isso. Ela executa, confere se o trabalho bate com os critérios que você definiu, e se faltou alguma coisa, ela usa esse feedback pra se auto-melhorar — e repete o ciclo até julgar que a qualidade tá aceitável. Tudo sozinha, sem você apertar botão nenhum.

Parte 2: “até atingir um critério de sucesso”. O critério de sucesso é a resposta pra pergunta: como a gente sabe que a IA terminou?

Vou te dar uma analogia boba, mas perfeita: a máquina de lavar. Quando ela para? Não é quando sua roupa está limpa — é quando o ciclo de uma hora acaba. Ela para com base no esforço, não no resultado. Se saiu a mancha ou não, o problema é seu: você que vai abrir, olhar e mandar lavar de novo.

Agora imagina uma máquina de lavar inteligente. Você fala: “lava até sair todas as manchas”. Ela lava, olha a roupa, ainda tem mancha, lava de novo, de novo, até considerar limpa do jeito que você pediu. Esse é o loop: você orienta a IA pelo resultado, e não pelo esforço. Simples assim.

E aqui vem a virada de chave: o trabalho de quem faz loop engineering está muito mais em definir o critério de sucesso do que em executar. Você deixa de ser parte do fluxo e passa a ser a pessoa que projeta o fluxo. Você para de dar ordens e passa a definir objetivos verificáveis, tipo:

• só para quando todos os testes estiverem passando;

• só para quando a página carregar sem nenhum erro;

• só para quando o texto tiver no máximo 500 palavras e cobrir esses 5 pontos.

Agora deixa eu te mostrar os 3 tipos de loop que você pode montar. 🚀

1. Loop de Turno

Esse aqui você provavelmente já usa e nem sabe. Toda vez que você manda um prompt pro Claude, por baixo dos panos ele roda um mini-ciclo: junta contexto, executa, dá uma conferida e te devolve. Isso é o loop de turno.

O problema é que essa conferida que ele faz sozinho é muito fraca. E dá pra melhorar demais ensinando a IA a revisar o próprio trabalho — só que do seu jeito. A ferramenta perfeita pra isso são as skills (aquele “manual de instruções” que ensina a IA a trabalhar do jeito que você trabalha).

Sabe aquele checklist mental que você faz pra avaliar se o resultado ficou bom? Você documenta esse processo dentro de uma skill, e a própria IA passa a conferir usando o seu método. Exemplo real meu: antes de me entregar um roteiro de YouTube, a skill confere se tem no máximo 3.000 palavras, se cita as fontes que usei e se não tem nenhuma palavra que faça o texto parecer escrito por IA. Só me entrega depois de bater esses critérios.

E não, você não precisa saber programar pra isso! É só pedir: “Claude, me ajuda a criar uma skill de…” e ele te guia no processo inteiro.

2. Loop de Objetivo

O Claude Code tem um comando chamado /goal. Em vez de dar uma instrução, você dá um objetivo + um critério de sucesso, e ele fica em ciclo tentando, conferindo e corrigindo até atingir o objetivo, ou até bater um limite de tentativas que você definir.

A grande diferença pro loop de turno é quem verifica. Aqui não é você e nem a própria IA: entra um segundo modelo avaliador. Esse avaliador pega o seu critério, olha o que a primeira IA fez e diz “ó, você não fez tal coisa, melhora isso aqui”. O loop só termina quando o avaliador aprova. É uma IA cobrando a outra pra fazer direito. 😄

3. Loop de Tempo

Esse é perfeito pra tarefas recorrentes — aquelas que você faz todo dia ou toda semana. No Claude você usa dois comandos: /loop e /schedule. A diferença mais importante: o /loop roda no seu computador (precisa estar ligado) e o /schedule roda na nuvem (continua funcionando mesmo com o notebook fechado).

Alguns exemplos práticos:

• Toda manhã às 8h, leia meu Slack e me faça um resumão do que eu perdi.

• A cada 30 minutos, olhe esse projeto no ar e me avise se quebrou alguma coisa.

• Toda segunda, garimpe ideias de vídeo pro meu YouTube e me traga uma lista de temas.

E olha só: foi exatamente esse loop que eu usei pra montar o vídeo dessa semana. 😉

Uma dica importante: não vacile com token. Quando você fala “trabalha até não poder mais”, ele vai fazer isso (e pode torrar seus tokens). Principalmente no /goal, coloque sempre um limite de tentativas (tipo “tenta no máximo 5 vezes”). Você põe um teto e evita que ele fique rodando infinitamente. 💰

Recapitulando

Os 3 loops que você pode começar a montar hoje:

1. Loop de turno: o do dia a dia; melhora ensinando a IA a se auto-avaliar com skills antes de te entregar.

2. Loop de objetivo: insiste até bater a meta, com uma segunda IA avaliando o trabalho.

3. Loop de tempo: a rotina que roda sozinha todo dia (ou a cada X horas) via /loop ou /schedule.

A mensagem central é essa: a maioria usa IA pra ser um pouco mais produtiva, mas continua sendo o gargalo da operação. Quem constrói loops sai da operação, e é aí que a produtividade destrava num nível que nenhum outro jeito de usar IA alcança.

Minha recomendação pra você começar? Escolhe uma tarefa recorrente que você já faz e comeca simples: crie uma skill definindo um critério de qualidade, ou agende um loop com /loop ou /schedule. Começa por uma só. Porque eu já te adianto: depois que você experimenta, não vai querer mais voltar. 😉

Agora é com você 🚀

Assiste o vídeo completo 👇🏽

Até a próxima edição da DebGPT! 💜

Você abre um chat e começa a empilhar tarefa em cima de tarefa. Pesquisa uma coisa, depois pede pra escrever outra, depois pede mais uma. Tudo no mesmo lugar. À primeira vista parece super prático, porque fica tudo organizadinho numa conversa só.

Só que é exatamente aí que mora o problema. E eu vou te explicar do jeito menos técnico possível, usando uma coisa que todo brasileiro entende: futebol. ⚽

🏆 Um favor rapidinho (30 segundos): eu tô concorrendo no Prêmio iBest, a maior premiação de criadores do Brasil. Se esses conteúdos te ajudam, seu voto me ajuda DEMAIS a continuar produzindo por aqui: 👉 https://premioibest.vote/225937391

O jogador que tenta jogar nas 11 posições

Imagina que você escala um jogador só e coloca ele pra jogar em todas as posições do campo ao mesmo tempo. Goleiro, zagueiro, meia, atacante, tudo ele.

O que vai acontecer? Ele vai correr feito maluco, vai cansar, e não vai render em posição nenhuma.

É exatamente isso que acontece com o Claude quando você usa um chat só pra falar de mil assuntos. Cada coisa nova que você joga ali dentro vai poluindo a janela de contexto (que é basicamente a “memória de trabalho” do modelo, tudo que ele tá levando em conta naquela conversa) com informação que ele não vai usar pra nada.

E aqui vai a parte mais importante: não é que o Claude ficou burro. Todo modelo tem um limite de contexto. Quanto mais você enche esse espaço com coisa inútil, pior fica a performance. Usar uma conversa só pra fazer tudo é praticamente garantir que você vai bater nesse limite o tempo inteiro.

A solução tem nome: subagentes

A boa notícia é que existe um jeito muito mais inteligente de trabalhar, e ele se chama subagentes.

Um subagente é um agente especializado em uma tarefa só. Ele faz o trabalho dele no canto dele e devolve pro agente principal só o resultado, não todo o esforço que ele teve pra chegar lá.

Voltando pro futebol: em vez de um jogador exausto tentando jogar nas 11, você monta um time. Cada jogador na sua posição, com a sua função.

E pra você entender de verdade, um subagente tem três características:

1. Ele tem contexto próprio. É como se cada subagente tivesse a própria conversa, o próprio chat. Ele trabalha num espaço separado, que não bagunça a sua conversa principal.

2. Ele devolve só o resultado. Todo o raciocínio, as buscas, as tentativas que ele descartou no caminho, tudo isso fica guardado no contexto dele. Pro agente principal volta só o que importa. É o jogador que faz a jogada e devolve a bola pro meio de campo, sem te narrar cada passo que ele deu pra chegar lá.

3. Você customiza ele do jeito que quiser. Dá pra escrever um system prompt (as instruções específicas dele), escolher o modelo que ele usa (Opus pra tarefas que pedem mais raciocínio, Sonnet pra coisas mais simples e mais baratas) e até controlar quais ferramentas ele pode acessar. Tem agente que só pode ler, tem agente que pode editar, tem agente que não pode deletar nada. É igual goleiro que usa luva e atacante que não precisa.

Um exemplo real: o meu fluxo de YouTube

Pra isso não ficar abstrato, deixa eu te mostrar com um fluxo de verdade meu. Esse vídeo que deu origem a essa edição foi feito exatamente assim.

Quando eu vou produzir um vídeo, eu passo por três etapas:

1. Ideação: definir o tema. É puro trabalho de pesquisa.

2. Roteiro: escrever o que eu vou falar, no meu tom de voz. É trabalho de escrita.

3. Capa: empacotar o vídeo de um jeito que faça você clicar. É trabalho de psicologia e marketing.

Repara numa coisa: são três trabalhos completamente diferentes, que pedem habilidades diferentes.

Agora deixa eu te mostrar como quase todo mundo faz (e como eu fiz por muito tempo): tudo num chat só.

Eu peço pro Claude pesquisar um tema. Ele vai no Google, no YouTube, levanta um monte de ideia, descarta várias e me devolve a melhor opção. Show. Só que todas aquelas ideias que ele descartou continuam ali no histórico da conversa.

Aí, na mesma conversa, eu peço o roteiro. E agora o Claude vai escrever com o contexto poluído por um monte de tema que ele já tinha jogado fora. Isso influencia o resultado sem necessidade nenhuma. Não faz sentido usar o contexto de coisas que eu descartei pra escrever o roteiro do único tema que eu escolhi.

Aí eu peço a capa. E o contexto já tá poluído em dobro: tem o lixo da ideação e o lixo do roteiro. Pra fazer a capa o Claude precisaria só de um resuminho do tema, mas tá carregando tudo nas costas.

É o mesmo jogador tentando fazer três trabalhos diferentes no mesmo espaço. E quanto mais empilha, pior fica.

Como ficou depois (e a melhor parte)

Com subagentes, eu tenho três especialistas: um agente de ideação, um de roteiro e um de capa. Cada um no seu espaço, com a sua função, com as suas ferramentas e o seu modelo.

E olha a melhor parte: a sua interação continua sendo só com o agente principal. Você não precisa ficar abrindo uma conversa pra cada agente. O próprio agente principal identifica a tarefa e chama o subagente certo na hora certa, como um bom meio de campo distribuindo o jogo.

Na prática, quando eu peço ideias de vídeo, o agente principal delega pro meu subagente de ideação. Esse subagente faz um monte de busca e gera um monte de contexto no espaço dele. Quando termina, o que volta pro agente principal é um resumão enxuto, só o que eu preciso. O esforço todo fica no vestiário; pro campo volta só o resultado.

E criar um subagente é mais simples do que parece. No Claude Code você roda o comando /agents, escolhe se ele vai valer pra todos os seus projetos ou só pra pasta atual, descreve o que ele faz, define ferramentas e permissões, escolhe o modelo, e pronto. Em poucos minutos você tem o seu especialista pronto pra ser chamado.

Dois jeitos de levar isso pra outro nível

Quando você já pegar o básico, tem duas coisas que mudam o jogo:

Agent teams. Por padrão, os subagentes não conversam entre si. Eles só falam com o agente principal, que faz o meio de campo, e ninguém passa a bola direto pro outro. Quando você habilita os agent teams, eles passam a bola entre si: o agente de ideação entrega o tema direto pro agente de roteiro, que entrega o roteiro direto pro agente de capa. O jogo flui sem ter que voltar pro meio de campo toda hora.

Skills. Uma skill é basicamente um manual pra fazer uma tarefa específica. Você pode dar pro seu agente de roteiro uma skill de copywriting, ou pro agente de capa uma skill de melhores práticas de YouTube. Você lista as skills no arquivo do subagente, e quando ele é chamado aquele manual já carrega automaticamente. É o jeito de ensinar o agente a fazer as coisas exatamente do jeito que você quer.

Quando vale a pena (e quando é só firula)

Agora um ponto que eu faço questão de falar: nem sempre faz sentido criar essa estrutura toda. Subagente burocratiza um pouquinho o trabalho, então tem que ter critério.

Faz sentido criar um subagente quando:

1. A tarefa é repetível (tipo o meu vídeo toda semana).

2. A função é clara e específica.

3. O trabalho produz muito lixo, muita informação que ia poluir a sua conversa.

Meus três agentes batem nesses três critérios. Por isso eu tenho três, um pra cada etapa.

Não faz sentido quando você precisa de uma coisa rápida e pontual. Se é uma resposta simples que você vai usar uma vez só, criar um subagente pra isso é over-engineering puro: você monta uma estrutura gigante pra resolver um problema minúsculo.

E tem o caso do meio, que é o mais importante de sacar: às vezes você não precisa de um subagente, precisa só de uma skill. Se tudo que você quer é padronizar a maneira do Claude fazer alguma coisa, mas a tarefa não enche tanto o seu contexto, um agente principal com uma skill já resolve. Pra fluxos mais longos, aí sim você vai querer o subagente pra não degradar a performance do modelo.

A pergunta que eu faço pra decidir é simples: eu preciso de um outro espaço, ou de um manual?

• Precisa de espaço? Subagente.

• Precisa de manual? Skill.

Resumindo a regra: subagente é pra trabalho repetível, especializado e pesado. Padronização você faz com skill.

Recapitulando

Antes eu fazia ideação, roteiro e capa num agente só, com o contexto entupido e a performance caindo. Agora eu tenho três especialistas, cada um no seu espaço, coordenados pelo agente principal, devolvendo só o resultado de cada etapa.

E o meu conselho pra você não travar: não tenta fazer o fluxo inteiro de uma vez. Escolhe UMA tarefa repetível do seu dia a dia, cria um subagente só pra ela, testa, e vê se atende o seu caso. Se atender, ótimo, você mantém e depois vai criando os outros pro resto do seu fluxo. Simples assim.

Agora é com você: assiste o vídeo completo, na prática, e cria o seu primeiro subagente hoje. Começa por aquela tarefa chata que você repete toda semana.

Até a próxima edição da DebGPT! 💜

A primeira coisa que passou na minha cabeça foi: “isso é só porque ele tem muito inscrito”. Errado. Esse canal tinha 2.000 inscritos e um vídeo beirando 100 mil views em 3 semanas de vida. Outro, com 18 mil inscritos, tinha vídeo passando de 400 mil views, tudo com poucos meses de canal.

Aí eu me fiz a pergunta que vira esta edição: será que eu consigo recriar exatamente esse tipo de vídeo usando só IA? Spoiler: consigo. E deixei o sistema inteiro montado pra você copiar — inclusive o CLAUDE.md e os prompts lá no fim. 💜

Antes de tudo: dois mitos que precisam morrer

Mito 1: “preciso de muitos inscritos pra ter views”. Não. Faz tempo que o número de views não tem correlação direta com inscritos. Se o vídeo é bom, o YouTube entrega pra muito além da sua base. Canal pequeno com vídeo bom estoura; canal grande com vídeo ruim flopa.

Mito 2: “o YouTube sabota conteúdo feito com IA”. Fake news. O que o YouTube sabota é conteúdo sem valor. Se você fez um vídeo ruim e ainda gerou com IA, ele vai flopar — mas porque é ruim, não porque é IA. Ou seja: o medo não é gerar vídeo com IA. O medo é fazer vídeo ruim. Guarda isso.

Passo 1: escolher um nicho que paga bem

Quem decide quanto o YouTube te paga por mil views é o RPM (receita por mil visualizações), e isso é meio caixa-preta, só o dono do canal vê o número exato. Mas dá pra estimar.

Eu uso a extensão do VidIQ pra dar uma espiada: ela me mostra mais ou menos quanto um canal fatura e quantas views ele tem. Foi assim que cheguei no meu canal de referência.

E olha o ponto mais importante aqui: a ideia não é copiar o canal de ninguém. É usar um canal de referência pra reduzir risco, diminuir a chance de eu criar um conteúdo que ninguém quer assistir ou que tem RPM baixo. Reparei numa tendência de canais falando de “a economia das coisas” por trás de tudo, e como estamos no meio de uma Copa do Mundo, decidi: vou fazer um vídeo sobre quanto custa seguir seu time na Copa de 2026 até a final. Tema validado, risco baixo.

Passo 2: o roteiro (é aqui que o Claude brilha)

Pedi pro Claude analisar os vídeos mais assistidos do canal de referência ganchos, estrutura narrativa, ritmo de cena e escrever um roteiro novo com o mesmo estilo, só que com o meu tema da Copa.

E sabe por que isso é poderoso? Escala. Eu tenho a ideia do tema, falo “escreve um roteiro nesse mesmo estilo sobre esse novo assunto” e pronto: consigo manter frequência de produção sem reinventar a roda toda vez. O Claude me devolveu um roteiro já quebrado em várias cenas. (O prompt exato tá no fim da edição.)

🏆 Um favor rapidinho (60 segundos): eu tô concorrendo no Prêmio iBest, a maior premiação de criadores do Brasil. Se esses conteúdos te ajudam, seu voto me ajuda DEMAIS a continuar produzindo por aqui: 👉 https://premioibest.vote/225937391

Passo 3: produzir o vídeo sem gravar absolutamente nada

Essa é a parte que parece mágica. Eu conecto o Claude ao Higgsfield via MCP (Model Context Protocol, o “encanamento” que deixa o Claude conversar com ferramentas externas). Pelo Higgsfield eu acesso o Seedance 2.0 (modelo de geração de vídeo da ByteDance) e gero cenas profissionais direto do chat. O workflow que montei é assim:

1. Roteiro pronto (passo anterior).

2. Locução em 7 pedaços — um pedaço por ato do vídeo. Gerar a locução fatiada é mais seguro do que pedir tudo de uma vez (vídeo longo de uma vez só costuma dar pau).

3. Whisper cli pra extrair os timestamps da locução. Assim eu sei a duração exata de cada cena — esse trecho aqui é uma cena de 3 segundos, aquele ali de 7.

4. Separar as cenas em dois tipos: as que precisam de número/texto na tela e as que não precisam.

   • Sem motion graphics → gero direto no Seedance 2.0, sempre com efeitos sonoros.

   • Com motion graphics (ex: “$800”) → gero a cena sem o número embutido. Isso evita o tal AI slop (aquele lixo que a IA às vezes inventa) e falsos positivos de conteúdo sensível e NSFW. O número entra depois, por cima.

5. scenes.json — um arquivo-ponte que descreve cada cena com o timestamp certo, vindo da locução.

6. Agentes em paralelo pra não esperar uma eternidade: um agente por ato, gerando as cenas em sequência dentro do ato e conferindo cada cena antes de gerar a próxima. Isso é crucial — se o agente está indo pro lado errado, você corta antes de torrar todos os créditos.

7. Motion graphics no Remotion (framework que cria animação de vídeo com código): só onde tem número que não pode sair errado. Gera o overlay mínimo e sobrepõe na cena, casando com o timestamp.

8. Montagem final: junta tudo na ordem, adiciona a locução, equilibra o volume entre voz e efeitos, e exporta o final.mp4.

Muito importante também: consistência visual em todas as cenas. Sem isso, o vídeo fica parecendo um Frankenstein.

Detalhe honesto: gerar todas as cenas me tomou ~60 minutos porque o render de cada vídeo leva tempo. Não é instantâneo, mas é um robô trabalhando enquanto você faz outra coisa.

Passo 4: empacotar pra subir

Vídeo pronto é metade do jogo. O algoritmo olha duas coisas: a taxa de clique na capa (thumbnail) e o quanto o vídeo prende a audiência. Capa ruim derruba vídeo bom.

Então pedi o pacote completo: 3 versões de thumbnail (modelo GPT Image 2 via Higgsfield, inspiradas numa capa de referência que já funciona), além de título e descrição prontos pra copiar e colar.

Passo 5: publicar e monetizar

Pra ativar a monetização você precisa de 1.000 inscritos e 4.000 horas de watch time. Parece muito, mas é o que o YouTube usa pra confiar que o seu canal merece. E você não chega lá sem o passo zero: publicar o primeiro vídeo.

Enfim, o resultado final!

Veja como ficou o meu vídeo após esse workflow, ao vivo e a cores! 👇🏽

O pulo do gato: isso vira um sistema

A maior sacada não é nenhuma cena bonita. É que esse workflow inteiro vira reutilizável. Eu pedi pro Claude transformar tudo isso num CLAUDE.md (um arquivo de instruções que faz o agente seguir exatamente esse fluxo em todo vídeo novo, sem eu reexplicar nada). É a diferença entre fazer um vídeo e ter uma fábrica de vídeos.

E não, você não precisa ser engenheiro pra isso. Se você sabe escrever um prompt claro e organizar uma pasta, você consegue. Como criadora que produz vídeo aparecendo há uns 8 meses, eu te garanto: fazer vídeo faceless dá muito menos trabalho.

Recapitulando

1. Achar um nicho que paga (VidIQ + canal de referência pra reduzir risco)

2. Roteiro no Claude com a estrutura de quem já acerta

3. Produção via Higgsfield MCP: locução → Whisper → scenes.json → Seedance → Remotion → final.mp4

4. Empacotamento: 3 thumbnails (GPT Image 2) + título + descrição

5. Publicar e perseguir 1.000 inscritos / 4.000 horas

6. Cristalizar tudo num CLAUDE.md e escalar

Agora é com você 🚀

Como prometi no vídeo, o CLAUDE.md completo e todos os prompts que usei estão aqui embaixo — pega, adapta pro seu tema e roda. Se você for testar o Higgsfield, usa meu cupom:

🔗 Cupom: Clique aqui

📦 Os prompts que usei (copia e cola)

1) Prompt do roteiro

Analyze the channel's scenarios, hooks, and write me a script for a similar video, for the World Cup.
https://www.youtube.com/channel/UCQnC6FoEgp4VcmbPTsO9VRQ
I want something like "So you want to go to the 2026 World Cup". Then make the video about how much it
costs to follow your team across all the games in the World Cup until the final (in case your team makes
it to the final). I want something fun and entertaining to watch. Consider ALL expenses and websearch
relevant data. I want a 5 minute video, with voice over. One new scene every 6 seconds.
Create an .md file with the output.

2) Prompt para criar o seu CLAUDE.md

Make a 5 min video like the one on the reference account using Seedance 2.0 (Higgsfield MCP).
It's going on a faceless YouTube channel.
Include: voice over and sound effects, and match them with scene timing.
For this video, I want to mix motion graphics and realistic scenes. Maintain a consistent style across
all scenes. Follow the workflow below:

1. Write the video script.
2. Generate voice-over chunks (one per act) from the script using Higgsfield MCP — 7 total.
3. Use Whisper to get voice-over timestamps.
4. Identify scenes that require motion graphics vs. scenes that do not.
   a. No motion graphics: generate with Seedance 2.0 1080p (Higgsfield MCP), with sound effects.
   b. Requires motion graphics: identify what needs it (e.g. "$800"). Generate the scene with
      Seedance 2.0 1080p (Higgsfield MCP) WITHOUT any motion graphic baked in (prevents AI slop and
      false-positive NSFW), with sound effects. Motion graphics are added later.
5. Write scenes.json with exact scene timestamps (from voice-over timing) and scene descriptions per above.
6. Run agents in parallel to generate scenes faster.
   a. One agent per act.
   b. Generate each act's scenes in sequence, not in parallel.
   c. Check each scene before generating the next one.
7. For scenes flagged as needing motion graphics:
   a. Wait for Higgsfield to finish the base video.
   b. Check the video is OK.
   c. Use Remotion to build the motion graphic. Keep it minimal.
   d. Overlay it on the Higgsfield video, matching the timestamp.
8. Assemble all scenes in order, add voice over, balance VO vs. SFX volume, export final.mp4.
9. Ensure visual consistency is maintained across all scenes.
10. Use the folder structure: /voice-over, /still, /clips/act-X, /output/scenes + final.mp4,
    /resources (scenes.json, timestamps), /remotion/motion-graphics, /logs, /script.

3) Prompt para criar o ‘Pacote’ do YouTube

Put together a complete YouTube video package for me: prepare thumbnails (make 3 versions — use the
GPT Image 2 model through Higgsfield MCP — inspired by the attached reference thumbnail), titles, and
everything else needed to upload it.

Quer ver tudo isso na prática? Eu postei um vídeo no meu Youtube mostrando o passo a passo completinho! Tenho certeza que você vai gostar 👇🏽

Até a próxima edição da DebGPT! 💜

🏆 Um favor rapidinho (60 segundos): eu tô concorrendo no Prêmio iBest, a maior premiação de criadores do Brasil. Se esses conteúdos te ajudam, seu voto me ajuda DEMAIS a continuar produzindo por aqui: 👉 https://premioibest.vote/225937391

Primeiro: existia um monstro chamado Mythos

Algumas semanas atrás, a Anthropic anunciou o Mythos, um modelo tão, mas TÃO poderoso, que eles tomaram uma decisão inédita: não soltar pro público.

Por quê? Porque um modelo desse calibre é uma faca de dois gumes. Do mesmo jeito que ele é incrível pra construir sistemas seguros, ele seria incrível pra hackear sistemas. Do mesmo jeito que ele poderia ajudar a desenhar remédios pra curar doenças, ele poderia ajudar alguém mal-intencionado a desenhar uma arma biológica, tipo um vírus novo. Pesado, né?

Então, em vez de liberar pra todo mundo, eles fizeram uma coisa que parece roteiro de filme: criaram o Projeto Glasswing, prenderam o Mythos numa “gaiola” e deram acesso só pra alguns parceiros (como Amazon e Stripe). A missão desses parceiros era ajudar a Anthropic a construir uma proteção em volta do modelo antes de qualquer coisa ir pro mundo.

Aí entra o Fable: o Mythos com coleira

O Fable que eles anunciaram agora é, basicamente, a versão controlada do Mythos. Pensa assim: o Mythos é o modelo “vida louca”, sem limite nenhum. O Fable é o mesmo monstro, mas com safeguards (as travas de segurança) pra impedir que ele seja usado pro mal.

Mesma potência bruta. Só que domada. E é essa versão que você e eu podemos usar.

O salto de performance é de cair o queixo

Aqui é onde eu travei. Olha esses números, comparando o Fable com o Opus 4.8 (que JÁ era impressionante):

• Agentic coding (quando a IA programa de forma autônoma, como um “agente” trabalhando sozinho): saltou de 69% pra 80%. Isso é absurdo. E ainda passa por cima do GPT-5.5.

• Visão (entender imagens): melhor que o GPT em tudo.

• Raciocínio jurídico: foi de 10% pra 13%. Parece pouco, mas faz a conta: é 30% de aumento.

• Biologia: de 40% pra 46% — mais de 15% de incremento.

Mas o que mais me marcou foi um caso real. A Stripe (gigante de pagamentos) testou o modelo e disse que conseguiu comprimir meses de desenvolvimento em poucos dias. Eles rodaram o Fable num projeto de Ruby com mais de 50 milhões de linhas de código e fizeram uma migração inteira em UM dia — algo que tomaria um time inteiro uns dois meses. 🤯

E não é só rapidez: é código com qualidade de produção, pronto pra ir pro ar de verdade.

Não é só sobre código (e é aqui que fica sério)

Eu vivo falando de código e design aqui, mas uma coisa que eu nunca tinha parado pra pensar é o uso desses modelos fora do nosso mundo.

A Anthropic trouxe benchmarks (testes de performance) de drug design — ou seja, design de remédios. Imagina: pra tratar um câncer, talvez seja preciso desenhar uma proteína específica. Quantas combinações possíveis um pesquisador conseguiria testar sozinho? Agora imagina ele com um modelo desse adiantando anos de pesquisa. É lindo.

Só que… é exatamente aí que mora o perigo. A mesma capacidade que encontra a cura também pode criar a doença. É por isso que a Anthropic estava tão receosa de soltar o Mythos puro no mundo.

Como funcionam as travas (a parte genial)

E é aqui que o esquema fica esperto. Funciona assim:

1. Tudo que você pede pro Fable passa antes por um classificador — pensa nele como um filtro de segurança que lê o seu pedido.

2. Se o seu pedido cair numa “malha fina” (tipo “me ajuda a hackear o site do banco” ou “como criar um vírus”), o Fable não responde.

3. Em vez disso, a resposta cai num fallback pro Opus 4.8 — um modelo bem menos perigoso, que simplesmente vai se recusar a ajudar.

Os números mostram que pra ataques de cibersegurança, a taxa de sucesso do Fable é zero. Ele literalmente não te ajuda. O mesmo vale pra biologia e química perigosas.

Detalhe honesto: em cerca de 5% dos casos, o filtro erra e bloqueia pedidos legítimos. Mas a Anthropic preferiu pecar pelo excesso do que pela falta, e eu acho justo, considerando o risco.

⚠️ Uma coisa importante: por causa desse risco, a política de retenção de dados desse modelo é diferente. Eles vão guardar seus dados pra monitorar usos indevidos. Então fica o aviso: não jogue informação sensível ali.

O preço (e a jogada por trás dele) 💰

Agora segura essa: o Fable é o segundo modelo mais caro do mundo (o primeiro é da OpenAI). Os números:

• US$10 por cada 1 milhão de tokens de input (o que você manda pro modelo)

• US$50 por cada 1 milhão de tokens de output (o que ele te devolve)

💡 Lembrando: 1 token ≈ 4 caracteres. E isso é o dobro do Opus 4.8 (US$5 / US$25), que já era o mais caro da Anthropic.

Ou seja: não gasta token à toa. Usa o Fable só quando você realmente precisar de um canhão desse calibre. Para o resto, o Opus já resolve.

E tem um detalhe estratégico que me fez ver o preço com outros olhos: a Anthropic anunciou recentemente que vai fazer um IPO (abrir capital na bolsa). Muito modelo de IA hoje é subsidiado por investidores, queimando dinheiro. Lançar um modelo monstro com limite de uso e preço alto, às vésperas do IPO, passa uma mensagem clara pro mercado: “a gente quer um negócio sustentável.” Faz sentido, né?

Recapitulando

1. O Mythos era poderoso demais pra soltar, então prenderam ele no Projeto Glasswing.

2. O Fable é o Mythos domado, com safeguards pra evitar o uso malicioso.

3. A performance dá um salto absurdo (coding 69→80%, e o case da Stripe migrando 50M+ linhas em 1 dia).

4. Ele serve pra muito além de código, inclusive design de remédios (pro bem e, potencialmente, pro mal).

5. As travas funcionam com um classificador + fallback pro Opus 4.8.

6. É caro (o dobro do Opus) e tem retenção de dados diferente, use com cuidado.

A real é que esse lançamento não é só “mais um modelo”. É a primeira vez que um laboratório olha pra própria criação e decide que ela é poderosa demais pra andar solta — e que só dá pra entregar pro mundo acorrentada. E isso, pra mim, diz muito sobre o momento que a gente tá vivendo. 🚀

▶️ Eu destrinchei tudo isso em vídeo — com os gráficos de performance, o Fable jogando Pokémon (sim, sério 😂) e desenhando sozinho num software tipo AutoCAD. Vale muito assistir:

Me conta: você gastaria seus tokens (o dobro do Opus!) num modelo desse? Em qual tarefa valeria a pena? Responde esse e-mail que eu leio tudo. 👇

Até a próxima edição da DebGPT! 💜

Sabe aquele frio na barriga quando você precisa entrar no gov.br? O login que pede foto, reconhecimento facial, vira o rosto, pisca, e mesmo assim te diz que não reconheceu? Pois é. Você não está sozinho: a coisa é tão absurda que virou meme nacional, tem até filtro de Instagram imitando aquela tela de reconhecimento facial. 😂

Do login que ninguém consegue passar até uma home que finalmente faz sentido pra você. E aqui vai o detalhe que muda tudo: eu não inventei nada da minha cabeça, cada decisão saiu das reclamações reais das pessoas. Deixa eu te mostrar como foi (e como você pode aplicar o mesmo processo em outros produtos). 👇

🏆 Um favor rapidinho (60 segundos): eu estou concorrendo no Prêmio iBest, a maior premiação de criadores do Brasil. Se esses conteúdos te ajudam, seu voto me ajuda DEMAIS a continuar produzindo por aqui: 👉 https://premioibest.vote/225937391

Passo 1: eu comecei pelas reclamações, não pelas telas

A primeira coisa que eu fiz não foi abrir o Figma nem pedir tela bonita pra IA. Eu pedi pro Claude levantar as principais reclamações reais das pessoas com o gov.br, porque é dali que saem os requisitos do projeto.

Isso é o oposto do que a maioria faz. A gente tende a começar pela solução (”quero uma home assim, um botão aqui”). Mas requisito de verdade nasce da dor do usuário. Quando você inverte a ordem, o resto do projeto fica óbvio.

E adivinha qual foi o campeão de reclamações? 👇

Passo 2: o login tão seguro que nem você consegue entrar

O login do gov.br é tão ruim que virou meme nacional, tem até filtro de Instagram imitando a tela de reconhecimento facial. É uma daquelas situações onde a segurança ficou tão pesada que destruiu a usabilidade. Não adianta ser ultra seguro se ninguém (nem o dono da conta!) consegue entrar.

Minha proposta foi reequilibrar essa balança sem abrir mão da segurança:

1. Você entra com o CPF

2. Confirma identidade com uma foto sua + foto do documento

3. Uma IA de reconhecimento facial (que de fato funcione 😏) compara as duas

4. Um 2FA (autenticação em dois fatores — aquele código por SMS ou e-mail) fecha a conta

Mesma segurança. Mil vezes menos sofrimento. Simples assim.

Passo 3: o sistema de níveis que ninguém entende

Bronze, prata, ouro. Você sabe pra que serve? Eu também não. E olha, acho que nem quem criou sabe.

O problema desses níveis é cruel: você só descobre que está no nível errado no dia em que precisa estar no nível certo. Vai declarar o IR, e o app te barra porque “faltou validação”. Frustração pura.

Minha solução foi radical e libertadora: acabar com os níveis. Em vez disso, peça a validação sob demanda, só no momento exato em que ela é necessária. Vai declarar imposto e precisa de comprovante de endereço? Pede ali, na hora. Sem hierarquia, sem mistério.

A lição aqui é universal: não faça o usuário carregar uma complexidade que só interessa ao sistema.

Passo 4: o mito do “super app”

Na teoria, o gov.br é um portal único pra milhares de serviços. Na prática, cada clique te joga pra fora do app, cada serviço tem seu próprio portal, seu próprio design, seu próprio login. E o melhor: você dá permissão pra compartilhar seus dados toda santa vez, mesmo já feito isso antes!

Resumindo: ele mirou no super app e acertou num diretório de portais com a pior experiência de acesso possível.

Minha solução é um conceito que vale ouro: SSO (Single Sign-On), você faz login uma vez e autoriza uma vez. A partir daí, o gov.br compartilha seu token de autenticação com os outros órgãos por trás dos panos. Você transita entre serviços sem nunca mais fazer login ou repetir permissão. É isso que dá a sensação de “super app” de verdade.

Passo 5: o app foi feito pro governo, não pra você

Esse aqui é o mais importante. A arquitetura inteira do gov.br é organizada por órgão, você precisa saber que o INSS cuida da aposentadoria, que o Detran cuida do carro. Mas pro cidadão, o órgão é irrelevante. O que importa é o serviço.

Isso é o oposto de customer centricity (centrar no usuário). E não é nenhuma invenção minha, é o padrão dos apps de governo mais modernos do mundo, tipo Dubai e Singapura.

Então eu virei a chave: criei uma home personalizada por necessidade de vida. “Vou abrir uma empresa”, “perdi meu emprego”, “vendi meu carro”, “quero meus documentos”. E como cada cidadão é diferente, coloquei um formulário rápido no primeiro login pra entender o perfil e personalizar a home. Um empreendedor de 30 anos com carro não precisa ver aposentadoria e seguro-desemprego na cara, certo?

E ainda trouxe duas coisas que eu amo:

• Uma wallet estilo Apple Wallet, empilhando CNH, documento do carro, título de eleitor, cartão CNPJ, carteira de vacinação, tudo num lugar só.

• Uma central de notificações pra restituição do IR, guias pra pagar, multas. Tudo centralizado.

E o pulo do gato: tudo começou com uma SPEC

Antes de codar uma linha, eu pedi pro Claude gerar uma spec do projeto.

Uma spec é o ponto de partida do projeto, só que mais estruturado do que um “freestyle” do que você quer. O formato que eu uso é simples e funciona pra qualquer tela:

• Página → qual tela é essa? (ex: Sign up)

• Componentes → o que aparece nela? (ex: o formulário de cadastro)

• Comportamento → o que o usuário pode fazer ali? (ex: criar conta; na de login, entrar ou recuperar senha)

Quando a spec está clara, a IA acerta muito mais e você economiza tempo e crédito. (É literalmente o que eu ensino lá no Epic 🪽)

A prototipagem: Replit + Gemini

Com a spec pronta, joguei tudo no Replit pra construir o projeto. Usei dois truques: marquei a opção “design” (pra ele criar só o front-end, com dados de mentira, o objetivo aqui não precisa ser funcional) e a opção “plan” (pra ele planejar tudo antes de executar). Com tantas telas, planejar antes evita gastar crédito à toa.

E por que Replit? Além de ser um ótimo app builder em geral, o Replit é excelente em design, ele roda o Gemini por trás, que até hoje é o melhor modelo pra design, e esse projeto era muito mais sobre design do que sobre funcionalidade.

🎁 E olha que presente: o Replit é parceiro da DebGPT, então você ganha R$100 em créditos pra testar de graça com o meu link: 👉 https://replit.com/refer/dbfolloni?trackingContext=sidebar

A primeira versão veio meio colorida demais (confesso que pesei a mão no design do prompt 😅), pedi alguns ajustes, e aí sim, chegamos numa versão final mil vezes melhor que a original.

Recapitulando

O que esse projeto me lembrou é que um produto bom não nasce de mais tecnologia, nasce de mais escuta. Ouça a dor, escreva a spec, depois construa. Nessa ordem:

1. Levanteis as reclamações reais → viraram requisitos

2. Equilibrei segurança e usabilidade (login)

3. Tirei do usuário a complexidade que só interessa ao sistema (níveis → validação sob demanda)

4. Conectei tudo com SSO (login uma vez só)

5. Organizei por necessidade do usuário, não por órgão

6. Escrevi a spec antes de codar

7. Prototipei rápido (Replit + Gemini)

E um recadinho pros designers raivosos de plantão: isso foi uma demonstração, não uma tese de doutorado. Tem muita coisa pra melhorar, mas a ideia era mostrar que dá pra fazer. É só querer. 🚀

▶️ E pra ver o redesign completo, telinha por telinha: assiste ao vídeo no meu canal no Youtube! 👇

Me conta: qual é a funcionalidade que você mais odeia no gov.br? Responde esse e-mail!

Até a próxima edição da DebGPT! 💜

Que horas são?

Seu sobrinho de 6 anos olha pro relógio da cozinha e responde na hora. Sem hesitar. Mas as IAs mais avançadas do planeta, as mesmas que escrevem código, resumem um livro de 500 páginas em 10 segundos e passariam num exame da OAB, simplesmente não conseguem.

E olha, isso é a porta de entrada pra entender o padrão de comportamento mais importante de toda IA que você usa hoje. O mesmo padrão que faz seus textos no ChatGPT virem cheios de travessão, seus designs ficarem todos roxos e, sim, todo relógio gerado por IA marcar exatamente o mesmo horário.

Vou te contar como cheguei aqui.

O teste do relógio

Peguei três geradores de imagem diferentes (Nano Banana, GPT Image 2 e Midjourney) e pedi a mesma coisa pros três: criem a imagem de um relógio. Sem horário específico, só um relógio.

E sabe o que aconteceu? Os três me devolveram exatamente o mesmo horário: dez horas e dez minutos. Não um parecido. O mesmo.

Aí veio a parte divertida. Pedi pra mudar os ponteiros pra meio-dia e dez. Coisa simples, né? Foi aí que tudo travou. Os ponteiros não se alinhavam, um ficava maior que o outro, a imagem buga por completo. É como se os dois ponteiros estivessem marcando a mesma coisa. Não faz o menor sentido.

O detalhe importante: intuitivamente, a IA até sabe o que você quer. Ela só não consegue desenhar aquilo. E isso não é um bug isolado. É comportamento padrão, e afeta 100% da maneira como a gente interage com essas ferramentas.

Tem até um paper sobre isso (Clockbench)

Esse problema é tão conhecido que virou estudo. Um pesquisador chamado Alek Safar montou o ClockBench, um benchmark só pra testar IA lendo horas. (Benchmark é só um jeito chique de dizer “prova padronizada pra comparar modelos”.)

Ele pegou 180 relógios diferentes e rodou 4 perguntas pra cada um, dando 720 perguntas no total:

1. Que horas são nesse relógio?

2. Esse horário é válido?

3. Que horas seriam se a gente somasse 2h, 10min e 13s?

4. Que horas seriam num outro fuso (tipo, se isso é Nova York em junho, que horas são em Lisboa)?

Aí ele rodou tudo com vários modelos e também com humanos de verdade. O resultado?

• Humanos acertaram ~90% das 720 perguntas.

• As IAs erraram a esmagadora maioria. O melhor modelo da época, o Gemini 2.5 Pro, acertou… 13%.

Treze. Por. Cento. 😅

Mas aqui mora a virada da chave. Quando a pergunta era de conta (somar minutos, rotacionar ponteiro, converter fuso), a IA acertava quase 100%. Ou seja: a matemática ela sabe fazer. O que ela não consegue é olhar pro mostrador e enxergar pra onde os ponteiros apontam.

Guarda essa frase, porque ela é a base de tudo:

A IA sabe fazer conta. A IA só não sabe ver.

O paper inteiro é público, dá pra explorar em clockbench.ai.

Por que SEMPRE 10:10?

Pra entender isso, você precisa entender como a IA aprende. E ela aprende vendo.

Ela engoliu bilhões de imagens da internet pra entender como as coisas são. No caso dos relógios, essas imagens vieram de propaganda, anúncio de loja, foto de catálogo. E adivinha que horas quase toda propaganda de relógio marca? Dez e dez.

E isso não é coincidência, é de propósito. Quando o relógio marca 10:10:

• O mostrador fica simétrico.

• Os ponteiros emolduram o logo da marca no meio.

• Eles não tampam a janelinha da data.

• E ainda fazem uma carinha de sorriso 🙂.

Se fosse 8:20, seria o oposto: uma carinha de bravo. Por isso a indústria de relógios inteira usa esse horário como vitrine há décadas. Resultado: quando a IA foi aprender o que é um relógio, o que ela mais viu foi ponteiro perto do 10 e do 2. Milhões e milhões de vezes.

Explicando isso melhor…

Imagina que eu peguei todas as imagens de relógio da internet e montei um gráfico. Na horizontal, todos os horários do dia. Na vertical, quantas imagens mostram cada horário.

O que sai daí não é uma linha distribuída de forma igual. O que sai é um pico gigante em 10:10, e quase nada no resto. É a famosa curva de distribuição, aquela mesma da aula de estatística da escola.

E é essa curva que define a probabilidade de a IA te dar uma resposta ou outra. O centro da curva (10:10) é o lugar mais provável. Três e quarenta e sete? Mora na ponta, na zona de baixíssima probabilidade. A IA praticamente nunca viu isso.

Então quando você pede 3:47, ela faz uma de duas coisas: volta pro centro mais provável (10:10) ou alucina (buga os ponteiros). É como se tivesse um ímã puxando ela pro meio.

E é exatamente por isso que:

• Os designs de IA saem todos iguais, naquele roxinho que você já está cansado de ver.

• Todo texto de IA tem a mesma cara, cheio de travessão, e você bate o olho e já sabe.

Porque a IA sempre vai ser atraída pro centro da curva, te entregando a resposta mais comum dos dados de treino dela.

O ponto mais importante: a IA não aprendeu a regra do relógio como a gente aprendeu quando criança. Ela não entende que o ponteiro pequeno anda devagar, que o grande dá uma volta por hora, que existe uma geometria por trás. Pra ela, relógio não é um mecanismo. É uma imagem. Uma imagem com ponteiros perto do 10 e do 2.

Isso tem nome: Jagged Frontier

Os pesquisadores chamam esse fenômeno de Jagged Frontier (algo como “fronteira irregular”). A ideia é simples: a inteligência da IA não cresce de forma uniforme. Ela pode ser genial numa coisa e ter performance pior que um bebê na outra, ao mesmo tempo.

É a mesma IA que escreve código de produção e que erra um relógio que seu sobrinho de 6 anos acerta. Não é pra rir dela. É pra entender ela.

E o que você faz com isso?

Aqui está o presente prático dessa edição. Toda vez que você pedir algo pra uma IA, lembra: por padrão, ela vai te entregar a média do que já viu. O centro da curva. O óbvio.

Se você quer algo verdadeiramente único e criativo, o seu trabalho é empurrar a IA pra fora do centro, pras zonas de baixa probabilidade, que é justamente onde mora a criatividade.

E como se empurra? Com instruções. Instruções específicas, detalhadas, que tiram a IA do piloto automático. Isso vale pra literalmente tudo: design, escrita, código e até pra desenhar ponteiro de relógio. Quanto mais genérico o seu pedido, mais perto do roxinho e do travessão você vai acabar. Quanto mais específico, mais longe da média.

Recapitulando:

1. A IA sabe fazer conta, mas não sabe ver.

2. Ela aprende a aparência mais comum, não a regra por trás.

3. Por padrão, ela sempre volta pro centro da curva (a resposta média).

4. Pra fugir do óbvio, você precisa dar instruções específicas que empurrem ela pra zona criativa.

Agora é com você

Essa semana eu também levei esse tema pro vídeo do meu canal no Youtube

👉 Assiste ao vídeo completo aqui

E antes de fechar esse e-mail, fica com uma provocação pra semana: na próxima vez que você abrir o ChatGPT, Claude ou qualquer gerador de imagem, para um segundo e repara se o que ele te devolveu é o centro da curva (o óbvio, a média) ou se você realmente empurrou ele pra zona criativa. Faz toda a diferença no resultado.

Me responde contando como foi. Eu leio todos. 💜

Até a próxima edição da DebGPT!

Se você me segue no Instagram, já viu que quase todo vídeo meu tem uma animaçãozinha. E eu sempre fiz essas animações com código: funciona, é barato, é eficiente. Mas eu trabalhei com motion design no passado, então toda vez que eu olhava pra elas eu sentia aquele incômodo: ficavam um pouco "duras". Pra quem não repara, tá ótimo. Pra quem tem olho pra direção de arte, dava pra ver que faltava algo.

Aí eu comecei a ver gente fazendo animações MUITO mais bem trabalhadas. E olha, eu fiquei genuinamente intrigada: “como é que essas pessoas estão fazendo isso?” Fui investigar e descobri a nova atualização do Higgsfield, uma ferramenta que existe há um tempo, mas que recentemente lançou um MCP e explodiu na internet.

E é exatamente esse caminho que eu vou te mostrar hoje: o processo que eu uso pra gerar vídeos profissionais usando o Claude + o Higgsfield, do roteiro ao vídeo final, sem sair de um lugar só.

3 formas de fazer vídeo com IA (e quando usar cada uma)

Existem várias maneiras de gerar vídeo com o Claude. Vou mostrar três aqui, e cada uma serve pra um caso diferente:

1. Video Use. Você joga um vídeo cru com locução e a ferramenta corta sozinha: remove silêncio, erro, refação, e te devolve um vídeo limpo. O detalhe genial é que ela não assiste ao seu vídeo — ela lê a transcrição (com os time stamps) e guia os cortes pela locução. Isso é muito mais eficiente em tokens, porque texto é muito mais barato que pixel. O contra: só funciona se o vídeo for bruto e com locução. Pra b-roll sem narração, não rola.

2. Remotion. Aqui você gera componentes pras suas cenas e anima tudo com código — que no fim das contas também é texto, então de novo: super eficiente em token. O problema é justamente o que me incomodava: as animações ficam um pouco duras. Melhor que nada pra fazer volume de conteúdo, mas tem limitação.

3. Higgsfield MCP. Esse é o pulo do gato. Em vez de editar ou animar por código, você gera imagens e depois anima essas imagens. E a qualidade fica em outro nível! Muito superior a qualquer coisa que eu fazia antes.

O que é esse tal de MCP (sem complicar)

Antes de te mostrar o processo, preciso te colocar na mesma página sobre o que é o MCP — porque é isso que muda o jogo.

Pensa assim: um agente de IA (como o Claude) sozinho não conversa com ferramentas de fora. Antes, pra ele falar com uma ferramenta externa, você usava uma API (Application Programming Interface) — e tinha que mandar o Claude programar uma integração pra cada coisa que queria fazer.

Vou te dar um exemplo que todo mundo entende: o Google Calendar. Pra criar, deletar, atualizar e consultar eventos, você teria que construir quatro integrações separadas. Trabalhoso, né? E pior: todo desenvolvedor que quisesse fazer isso teria que refazer tudo do zero.

O MCP (Model Context Protocol) resolve isso. Alguém cria o MCP de uma ferramenta uma vez só — geralmente o próprio dono da ferramenta — e aí todo mundo usa. Em vez de você programar cada integração, o Claude simplesmente “bate na porta” do MCP e ele responde: “olha, aqui você pode gerar imagem, gerar vídeo, criar personagem…” e te entrega o cardápio pronto.

E não, você não precisa ser engenheiro pra isso. No caso do Higgsfield, instalar o MCP é colar um endereço lá em custom connectors dentro do Claude, dar um nome, e pronto. Dá pra escolher quais ferramentas o Claude usa automaticamente e quais precisam da sua aprovação. Tudo sem abrir terminal.

💡 Detalhe: dá pra fazer a mesma coisa via terminal (CLI), mas eu pulei essa parte de propósito. Quis te mostrar o caminho mais simples, que serve pra todo mundo.

Meu processo na prática

Esse é o passo a passo que eu usei de verdade, e que te recomendo copiar:

1. Roteiro. Pedi pro Claude escrever o script do vídeo, cena a cena: duração, locução (no meu caso, nenhuma), efeito sonoro e o que aparece em cada cena. No fim, ele ainda adicionou regras de continuidade visual.

2. Referência visual. Fui no Pinterest buscar a identidade visual que eu queria. Dica de ouro: busque em inglês (tipo “character 2D illustration”), você acha muito mais resultado. Salvei tudo numa pastinha do projeto.

3. Storyboard (cenas estáticas). Com a referência + o roteiro, pedi pro Claude gerar todas as cenas como imagens. E aqui vai o segredo que economiza horas: mandei rodar em paralelo e em background. Cada imagem leva ~1 minuto, cada animação ~5 minutos. Se roda em background, o Claude trabalha em sessões separadas e você continua conversando com ele. Em paralelo, você não fica esperando uma coisa terminar pra começar a outra. ⚡️ (Só não rode em paralelo quando uma cena depende da outra, ok?)

4. Animação. Animei cada imagem. Importante: o modelo de vídeo exige no mínimo 4 segundos por clipe, então meu vídeo ficou com 20s (5 cenas).

5. Juntar tudo. Pedi pro Claude concatenar os clipes num vídeo só.

O resultado? Eu fiquei bem feliz. Claro que dá pra melhorar, teve uma inconsistênciazinha aqui e ali (o círculo do gramado mudou de uma cena pra outra, as listras do campo ficaram um pouco diferentes) mas, sinceramente, ficou ótimo!

Agora para e pensa no trabalho que isso daria na mão: roteiro, ilustração cena a cena, animação no After Effects, render… dias de trabalho. E alguém que não manja de motion design? Nunca, jamais, conseguiria chegar nesse resultado sozinho.

Mais duas técnicas que eu descobri

Start frame / end frame. Você dá a imagem inicial e a final, e o Higgsfield anima o que acontece no meio. Sabe aqueles vídeos virais de reforma no TikTok, em que a casa se constrói num time lapse? É assim que fazem: geram imagem por imagem (cada uma a partir da anterior) e depois animam a transição entre cada par. Tem gente ganhando muita grana com isso. 💰

Personagens e props consistentes. Essa é mais sofisticada, mas resolve o maior problema de vídeo com IA: a consistência. Você gera o personagem de frente, de lado, de costas, de cima, de baixo, pra “imprimir” a aparência dele. Faz o mesmo com cenário e objetos (um carro, uma rua). Depois, monta a cena misturando tudo: personagem + cenário + props. Foi isso que eu não fiz, e por isso peguei aquelas inconsistências no gramado. Se eu tivesse feito, o problema não existiria.

A real que ninguém te conta

Tem muito YouTuber falando que “acabou pro motion designer”, que “qualquer um faz vídeo com um print”. E olha: não é bem assim.

Como você viu, não foi um print só. Mesmo eu tendo um trabalho razoável, o vídeo não ficou perfeito. Ainda dá trabalho fazer vídeo bom. Então desconfia de quem promete mágica. O que esses processos te dão não é mágica. Se você seguir esse fluxo, vai estar na frente de muita gente.

Recapitulando

• São 3 caminhos pra fazer vídeo com IA: edição, animação por código e geração com o Higgsfield.

• O MCP deixa o Claude conversar com o Higgsfield sem você programar nada.

• Meu fluxo: roteiro → referência → storyboard → animação → juntar tudo, rodando em paralelo e em background.

• Pra consistência de verdade, crie personagens e props antes de montar as cenas.

Agora é com você 🚀

O Higgsfield é pago, mas eu consegui um cupom de desconto especial pra você que acompanha a DebGPT. Se você quer parar de sofrer com animação dura e começar a fazer vídeo de verdade, é a melhor hora pra testar (a brincadeira sai bem mais barata com o cupom).

👉 Testa o MCP do Higgsfield com o meu desconto aqui: https://higgsfield.ai/s/mcp-deborahfolloni-RbTCKC

Ah, e eu também fiz um vídeo no Youtube onde eu mostro tudo isso na prática e explico as partes do processo e mais detalhes! Confere aqui:

Faz um experimento com o Higgsfield esse fim de semana e me conta como foi, eu leio todos!

Até a próxima edição da DebGPT! 💜

Você não vai criar um site profissional com IA usando um prompt só. E eu sei que isso contraria 90% dos vídeos que você anda vendo por aí, com aquelas thumbnails de “Fiz um site em 5 minutos com o Claude Code”.

Mas se você já tentou, sabe muito bem do que eu tô falando: o resultado sai sempre com aquela cara de IA. Genérico, sem alma, sem identidade. 🥲

Eu venho criando sites com IA há um bom tempo, e o site do Epic, minha plataforma de educação, é o melhor exemplo do que eu consigo fazer hoje. 100% das pessoas que entram lá elogiam o design. E eu te garanto: aquilo ali não saiu de um prompt. Saiu de um processo de 6 etapas que eu desenvolvi e que eu uso religiosamente em todo projeto sério que eu faço.

E é exatamente esse processo que eu quero te ensinar hoje. Bora?

1. Identidade visual: o trabalho que começa ANTES do site

Essa é a primeira coisa que eu faço, e talvez a mais importante de todas. Antes de qualquer coisa, eu defino a identidade visual da marca. Logo, paleta de cores, tipografia. Tudo.

Isso é fundamental, porque tem muita gente que tenta fazer as duas coisas ao mesmo tempo (criar o site e descobrir a identidade da marca enquanto faz o site). Eu vou ser direta com você: isso não vai dar certo. Você vai ficar perdido, o resultado vai sair inconsistente, e você vai gastar três vezes mais tempo do que precisaria.

No caso do Epic, quando eu fui montar a landing page, eu já tinha o pacote pronto:

• Um logo (aquela asinha que também é um “E” ao contrário)

• Uma paleta de cores puxada para tons terrosos

• Duas tipografias: Lora (com serifa, para títulos) e Geist (para corpo de texto)

Se você ainda não tem identidade visual, para tudo e cria primeiro. Eu tenho um vídeo no meu no canal do Youtube ensinando passo a passo como criar uma identidade visual mínima usando, vale muito a pena dar uma olhada antes de seguir.

2. Copy do site

Segunda etapa: eu escrevo toda a copy do site antes de pensar em qualquer coisa visual.

E quando eu falo toda, eu falo TODA. Headline, subtítulo, descrição das seções, depoimentos, FAQ, CTA, tudo num documento corrido (Word, Notion, tanto faz). Eu também já deixo descrito ali quais imagens vão acompanhar cada trecho.

O que não pode faltar numa boa copy de site:

• Headline forte acima da dobra. A pessoa bate o olho e tem que entender o que você faz. Se ela leu e não entendeu, sua headline falhou. Sem fru-fru.

• Prova social: logos de empresas, número de usuários, depoimentos. No Epic eu coloco que já temos mais de 5 mil usuários (e olha que esse número já tá desatualizado, pelo incrível que pareça estamos chegando em 10.000 usuários!).

• Depoimentos que reforçam seu diferencial. Isso aqui é ouro: o pessoal joga depoimento aleatório na página, mas o ideal é que cada depoimento reforce um atributo principal da sua marca. No Epic, por exemplo, a gente bate na tecla de ser “feito pra quem não é dev, mas aprovado por quem é dev” — então os depoimentos reforçam exatamente isso.

• CTA claro e de baixo risco. Deixa explícito o que vai acontecer quando a pessoa clicar e mostra que o custo é mínimo (sem cartão, sem compromisso).

Minhas duas referências favoritas pra escrever copy:

1. Alex Hormozi — O cara manja MUITO de comunicação. O livro $100M Offers tem fórmulas que você consegue aplicar direto no seu site.

2. April Dunford — autora do Sales Pitch. O framework dela é maravilhoso pra estruturar argumentação.
   

E aqui vai um hack: você não precisa nem ler os livros. Pede pro Claude pesquisar e te explicar as metodologias de cada um. Ele faz isso muito bem, e em 15 minutos você tem o suficiente pra começar a aplicar.

3. Wireframe no Paper: o mapa do seu site

Terceira etapa, e aqui é onde a maioria das pessoas pula direto pro Claude Code e dança.

Eu uso uma ferramenta chamada Paper Design pra fazer o wireframe. Dá pra fazer no Figma também, mas eu prefiro a usabilidade do Paper, especialmente porque ele permite criar mockups via prompts (o que é uma mão na roda pra quem não tem familiaridade com Figma).

E olha, eu sou zero apegada a ferramenta, tá? Até pouco tempo atrás eu fazia mockup no papel, literalmente. O importante não é a ferramenta, é fazer o mockup.

Por que isso é tão crítico? Porque o wireframe vira o mapa de tudo o que você precisa preparar antes de abrir o Claude Code. Quando eu fiz o mockup da página do Epic, eu olhei e listei:

• Tem headline aqui → preciso da copy

• Tem imagem aqui → preciso gerar

• Tem logos de empresas aqui → preciso baixar

• Tem avatares dos depoimentos aqui → preciso gerar

• Tem mockup do produto aqui → preciso montar

Sem essa etapa, você vai sentar na frente do Claude Code, pedir o site, e demorar uma eternidade. E não é porque o Claude Code é ruim , é porque você não se preparou pra usar ele direito.

4. Geração de imagens: Midjourney + GPT Image 2 (e por que eu uso os dois)

Quarta etapa: gerar todas as imagens que vão preencher os “buracos” que ficaram no wireframe. Eu uso duas ferramentas, porque cada uma é boa em uma coisa diferente:

Midjourney → para arte

O Midjourney é sensacional pra fazer arte com estilo. Você pode entrar na galeria de estilos, escolher um que te agrada, copiar o código daquele estilo e pedir pra ele gerar qualquer coisa naquele visual. O resultado fica realmente artístico, algo muito difícil de conseguir com o GPT Image, na minha experiência.

GPT Image 2 → para edições precisas

Aqui é onde o GPT brilha. Quer colocar um objeto dentro de uma imagem que você gerou? Quer trocar uma cor específica? Quer fazer uma edição pontual numa composição existente? Use o GPT Image 2. O Midjourney não dá conta dessas edições mais cirúrgicas, e o GPT faz isso lindamente.

A combinação dos dois cobre praticamente qualquer necessidade visual que você tenha em uma landing page.

5. Definindo o estilo no Tweakcn: identidade visual virando código

Quinta etapa, e aqui as coisas começam a ficar muito legais.

Identidade visual não é código. Ela é só a base. Agora você precisa transformar isso em algo que o Claude Code consiga aplicar tecnicamente no projeto. Pra isso, eu uso o Tweakcn.

O que eu faço é simples: entro no Tweakcn, clico em “Browse Community” e escolho um tema visual que tenha a vibe parecida com o que eu quero. Aí eu abro no editor e vou adaptando aquele tema com a minha identidade — minhas cores, minhas tipografias, meus raios de borda.

Pequeno detalhe importante: dá uma olhada na aba contrast enquanto você ajusta. Se o contraste estiver ruim, ele te avisa, e você corrige antes que o seu site fique ilegível em alguma tela. Esse cuidado simples salva muito retrabalho depois.

Quando estiver feliz com o resultado, vai em Code, copia tudo, e cola no arquivo global.css do seu projeto. Pronto, sua identidade virou código. ✨

E aqui vai o detalhe mais importante de todos:

Um dos comportamentos da IA que eu mais odeio é chumbar (hard-code) variáveis de estilo. Ou seja: em vez do Claude importar a variável background do seu CSS, ele cola direto a cor #FAFAFA. Aí, quando você quiser trocar essa cor pra vermelho? Você precisa encontrar TODOS os lugares onde está escrito #FAFAFA e trocar um por um. Pesadelo total.

Solução: você abre seu CLAUDE.md (o arquivo que o Claude lê no início de cada sessão) e coloca duas instruções claras:

Never hard-code style values.
Always import styles from the global CSS file.

E sim, eu escrevo em inglês. Na minha experiência as coisas funcionam melhor em inglês, mas se preferir português, fica tranquilo, funciona também.

6. Montagem no Claude Code: o passo a passo final

Sexta e última etapa. Agora sim eu abro o Claude Code.

Repara que tudo que eu mostrei até aqui aconteceu antes de eu abrir a IA pra programar. Identidade visual, copy, wireframe, imagens, estilo definido em código, tudo pronto.

E aí o que eu faço:

1. Crio o projeto e importo tudo: fontes, imagens do Midjourney, logos, global.css com o tema.

2. Construo o site seção por seção. Nunca peço “faça uma página inteira pra mim”. Isso simplesmente não funciona.

3. Pra cada seção, eu mando pro Claude: o print de referência (do wireframe), as imagens que vão ali, e o texto exato.

4. Ele monta, eu testo (incluindo responsividade!), faço ajustes se precisar, e passo pra próxima seção.

5. Continuo seção por seção até o site inteiro estar pronto.

É um processo metódico, mas é exatamente isso que diferencia um site “feito com IA” de um site profissional feito com IA.

Recapitulando: o processo completo em 6 etapas

Pra você ter tudo na mão na hora de começar seu próximo projeto:

1. Identidade visual: logo, cores, tipografia (faça ANTES)

2. Copy do site: texto antes de pixel, sempre

3. Wireframe no Paper: o mapa dos seus assets

4. Geração de imagens: Midjourney pra arte, GPT Image 2 pra edições

5. Definição de estilo no Tweakcn: identidade virando código

6. Montagem no Claude Code: seção por seção, sem pressa

Eu te garanto: se você seguir esse passo a passo, a qualidade dos seus projetos vai subir exponencialmente. Não tem como fazer um site profissional com um prompt só. Mas com um pouquinho mais de paciência e esse roteiro aqui, o resultado vai ficar muito, muito dez. 💜

🪽 APRENDA CLAUDE CODE COMIGO Esse é exatamente o tipo de processo que eu ensino dentro do Epic, minha plataforma de educação. Vem comigo no Epic. 🚀

📺 No meu Youtube eu fiz uma aula completa sobre esse tema, confere lá!

E aí, qual dessas 6 etapas você já pulou nos seus projetos? Me responde nesse e-mail ou me marca lá no Instagram e LinkedIn, eu adoro ver os projetos de vocês. 💜

Até a próxima edição da DebGPT!

E olha, eu pago US$ 200/mês no plano mais caro. Mesmo assim, em dias pesados, o aviso aparecia. Aí eu fui entender exatamente como esse negócio funciona por dentro pra parar de queimar crédito à toa.

E descobri uma coisa que pouquíssimas pessoas sabem: toda vez que você manda um prompt pro Claude, junto vai todo o seu histórico de mensagens da sessão. Não é só o que você acabou de digitar. É a primeira mensagem, a segunda, a terceira, e por aí vai.

Ou seja: sua mensagem número 30 numa sessão é gigantescamente mais cara que a sua mensagem número 1. Não porque é mais complexa. É porque ela carrega todo o histórico junto.

Esse é o maior consumidor invisível do seu plano. É por isso que tantas pessoas batem no limite sem entender o motivo.

Antes das dicas: você precisa entender como os tokens funcionam 🧠

Tudo que entra e sai do Claude é medido em tokens (a unidade oficial de medida das IAs — pensa que 1 token ≈ 4 caracteres). Quando você assina um plano (US$ 20, US$ 100 ou US$ 200), você está comprando um volume de tokens que pode usar dentro de janelas de 5 horas e semanais.

E o que consome esses tokens é o contexto da sua conversa. O contexto é composto por:

• O seu prompt atual

• As tool calls (chamadas a ferramentas externas)

• A lista de MCPs instalados

• O seu CLAUDE.md (carregado em toda conversa)

• As suas skills

• E o vilão silencioso: todo o seu histórico de mensagens da sessão

Antes de qualquer dica, aprenda dois comandos:

• /context — mostra um gráfico de pra onde estão indo seus tokens naquela sessão. Sistema, skills, MCPs, histórico, tudo.

• /usage — mostra quanto você ainda tem disponível do seu plano.

Roda esses dois com frequência. Você vai se surpreender. Agora, as 9 dicas:

1. Use /clear ao mudar de assunto

Esse é o hábito mais simples e o mais ignorado. Você termina uma tarefa e, na mesma sessão, emenda uma totalmente diferente. Resultado: o histórico da tarefa antiga (que nem é mais relevante) vai junto em cada prompt da tarefa nova, inflando o custo.

Regra: assunto novo, /clear e começa uma sessão nova.

2. Cuidado com os MCPs

MCPs (Model Context Protocol — uma forma do Claude se comunicar com apps externos, tipo Figma, Google Calendar, Gmail) são os reis do consumo invisível de contexto.

Toda vez que você instala um MCP, ele entra numa lista que vai junto em todo prompt seu, mesmo que você não esteja usando ele naquela conversa. Se eu te pedir agora a previsão do tempo, o Claude vai carregar meu MCP do Figma junto. Faz sentido? Não. Mas vai.

E tem outro problema: a resposta dos MCPs costuma ser longa demais. Uma chamada simples no Google Calendar não devolve “marcado” — devolve um JSON gigante.

Alternativa: quando possível, usa skills no lugar de MCPs. Skills têm lazy loading (só carregam quando precisam) e respostas mais enxutas.

3. Manda tudo de uma vez

Não seja aquela pessoa do WhatsApp que manda “oi” e fica esperando você responder pra falar o que quer. Nem no WhatsApp e nem no Claude.

Quando você fragmenta um prompt em 4 mensagens pequenas, o Claude lê o histórico inteiro 4 vezes. Se cabia em uma mensagem, manda em uma mensagem.

4. Escolha o modelo certo

Isso é tão óbvio e ao mesmo tempo tão subutilizado. A maioria das pessoas deixa o Opus (o modelo mais caro) selecionado automaticamente pra tudo. Pra cada tarefa, pergunta:

• Opus — tarefas que precisam de mais raciocínio

• Sonnet — tarefas do dia a dia (a maioria delas)

• Haiku — tarefas super simples (e ele é ainda mais barato)

Só de prestar atenção nisso, seu uso já cai um monte.

5. Tenha um CLAUDE.md enxuto

O CLAUDE.md funciona como o “system prompt” do seu projeto: é carregado em toda conversa no Claude Code. Se ele estiver gigante (tipo 100 mil tokens), cada sessão sua já começa com metade da janela de contexto cheia. Isso onera financeiramente e degrada a performance do modelo.

A boa prática é usar o CLAUDE.md como índice, não como enciclopédia. Em vez de chumbar todas as regras de design no arquivo, escreve:

“Se você precisar fazer design, as regras estão em docs/design.md.”

Assim o Claude carrega a informação só quando precisa. A própria Anthropic recomenda manter abaixo de 200 linhas.

6. Referencie o arquivo certo

Principalmente quando se trata de código, isso aqui é crucial. Quando seu projeto cresce, o Claude começa a ter dificuldade pra saber onde mexer.

Em vez de dizer “troca a cor do botão Entrar”, diga “troca a cor do botão Entrar na página signup.tsx“.

Por que isso importa? Sem essa especificidade, o Claude precisa inferir qual arquivo editar. E pra inferir, ele lê vários arquivos do projeto. Cada arquivo lido = mais tokens consumidos. Você acaba pagando pela caça ao arquivo certo, quando bastava ter dito qual era de cara.

7. Use o comando /compact

O /compact pega todo o histórico da sessão, gera um resumo, começa uma sessão nova e injeta esse resumo. Você preserva o contexto importante e zera o peso do histórico inteiro.

O Claude faz isso automaticamente quando você bate 90-95% da janela de contexto. Mas a própria Anthropic recomenda rodar manualmente em torno dos 60%. Você economiza tokens e preserva a performance do modelo (janelas muito cheias degradam a qualidade da resposta).

Roda o /statusline pra ver quanto você tá usando. Chegou aos 60%, dispara o /compact.

8. Cuidado com os agentes

Eu gosto de usar agentes. A vantagem é que cada agente roda numa sessão separada, com a janela de contexto limpa. Mas essa também é a maior desvantagem.

Quando o agente pai delega uma tarefa pro agente filho, ele precisa passar contexto. O filho então vai ler um monte de documento que o pai já leu. Você consome esse contexto duas vezes.

Usa, mas com moderação. Especialmente se você não tá num plano robusto.

9. Aplique o Advisor Mode

Talvez minha dica favorita. A Anthropic publicou recentemente sobre isso e os resultados são impressionantes.

A ideia é simples: usa o modelo mais caro (Opus) pra planejar a tarefa, e o modelo mais barato (Sonnet) pra executar o plano. Como o Opus planeja bem, o Sonnet erra menos, retrabalha menos. Resultado: paga menos e acerta mais.

Nos testes da própria Anthropic, a performance subiu de 58 pra 60 e o custo caiu. Vale tanto pra agentic search quanto pra terminal coding.

Dá pra aplicar manualmente nos seus projetos, ou via API se você tá construindo aplicações em cima dos modelos da Anthropic. Inclusive descobri lá na comunidade Epic que dá pra combinar Claude (pra planejar) com Codex (pra executar) — e o Codex é ainda mais barato.

Por que eu pago US$ 200 por mês (e por que faz sentido) 💜

Toda hora me perguntam “Deborah, como você economiza tokens?”. A real é que hoje eu tenho poucos problemas com isso porque uso o plano de US$ 200. É difícil eu bater no limite.

Mas eu sei que esse valor não cabe na realidade de todo mundo. E aí vem o ponto:

A maioria das pessoas compara assinatura do Claude com assinatura do Notion. “Eu pago US$ 8 no Notion e US$ 200 no Claude??”. Sim. Mas o Notion não trabalha pra você. O Claude sim.

Você não consegue colocar SaaS e IA na mesma caixa. SaaS te dá trabalho. IA faz trabalho por você.

A comparação certa é: quanto custaria uma pessoa pra fazer isso?

Eu produzo conteúdo pro YouTube, tenho newsletter, posto no Instagram. Normalmente isso são várias pessoas trabalhando. Hoje eu consigo fazer tudo isso só eu e + 1 pessoa porque a gente tem o Claude. Contratar mais pessoas nos custaria +5, 6, 10 mil reais por mês…

US$ 200 vale cada centavo. Se não estiver retornando, é porque você tá usando errado!

Recapitulando

As 9 dicas pra fazer seus créditos do Claude Code renderem muito mais:

1. /clear — assunto novo? sessão nova

2. Cuidado com MCPs — eles vão junto em todo prompt, mesmo sem você usar

3. Manda tudo de uma vez — fragmentar prompt = pagar pelo histórico várias vezes

4. Escolha o modelo certo — Opus é caro, Sonnet/Haiku resolvem a maioria das tarefas

5. CLAUDE.md enxuto — usa como índice, não enciclopédia

6. Referencia o arquivo certo — evita o Claude ficar caçando arquivo

7. /compact aos 60% — não espera o automático nos 95%

8. Modere com agentes — contexto duplicado entre agente pai e filho

9. Advisor Mode — Opus planeja, Sonnet executa, custo cai, acerto sobe

Agora é com você. 🚀

🎥 Quer ver tudo isso explicado em vídeo?

👇🏽 Assistir no YouTube

Até a próxima edição da DebGPT! 💜

Antes, o gargalo era construir produto. Você tinha uma ideia, mas precisava de meio milhão de reais, um time de seis devs e oito meses pra ter um MVP de pé. Hoje, com IA, esse problema sumiu.

Só que apareceu outro: saber o que construir.

E é por isso que eu adoro acompanhar o Request for Startups que o Y Combinator (a aceleradora de startups mais famosa e bem-sucedida do mundo) solta a cada três meses. Eles colocam uma lista de tipos de negócio que querem ver sendo construídos. E como tem muita gente antenada lá dentro: investidores, founders, gente que vive o Vale do Silício… essa lista vira basicamente um termômetro do que tá com chance real de dar certo.

Eu peguei a lista do verão e da primavera de 2026, fiz uma curadoria das que eu acho mais executáveis (sem hard tech, sem precisar de capex absurdo) e separei 6 ideias que eu mesma faria se tivesse tempo.

Deixa eu te contar quais são.

1. Serviços nativos de IA

A primeira tese é provavelmente a que eu mais gosto.

A ideia é simples: ao invés de você pegar uma coisa, automatizar e vender essa automação como um SaaS, você automatiza e vende como serviço. Ou seja: você usa a automação pra você mesma entregar o serviço melhor que seus concorrentes.

Pra ficar mais tangível: imagina que você domina contabilidade. Pelo caminho do SaaS, você criaria um software pra contadores e venderia pros contadores (seu cliente é o contador). Pelo caminho do serviço, você automatiza a contabilidade e vende contabilidade direto pro cliente final. Seu antigo cliente vira seu concorrente.

E por que eu acho isso genial?

O mercado de serviços é absurdamente maior que o de SaaS. Tô falando de US$ 17 trilhões versus US$ 465 bilhões. O de SaaS, que parece enorme isolado, é cerca de 20 vezes menor que o de serviços. Você posicionando seu negócio como serviço (mesmo com todo um aparato tecnológico por trás), você mira num mercado MUITO maior.

Outras vantagens:

• Menos risco de churn. SaaS que ninguém usa cancela. Serviço você entrega, então o cliente sempre vai ter usufruído dele.

• Você cobra muito mais caro. Você não tá vendendo licença de software, tá vendendo resultado. Pode ser R$ 100/mês de SaaS vs R$ 2.000/mês de serviço.

• Margem absurda. Se seu concorrente precisa de 10 pessoas pra entregar e você precisa de 1, sua margem é incomparável.

A referência que mais me marcou: um conhecido meu era managing director de um escritório de advocacia em São Paulo com 300 pessoas. Ele pediu demissão pra montar o próprio escritório com apenas 4 advogados, todos habilitados com IA de ponta a ponta, propondo entregar o que aquele escritório de 300 pessoas entregava.

Outro exemplo que vivi na pele: quando vendi minha empresa, o due diligence (parte burocrática do M&A onde a parte compradora avalia milhares de documentos) foi feito por uma consultoria contratada que ficou meses olhando documento por documento. Hoje você faria isso com uma quantidade muito menor de pessoas com um bom uso de IA.

2. Company Brain

Por muito tempo, o gargalo de usar IA nos negócios era o modelo. Hoje os modelos estão bons o suficiente. O novo gargalo é o contexto.

Os modelos não conhecem seu negócio. Pra IA fazer algo útil dentro da sua empresa, ela precisa de contexto: como vocês fazem onboarding, qual o processo de contratação, como respondem a um incidente de segurança, etc.

Esse contexto hoje tá espalhado por todo lugar: seja na cabeça dos executivos, no Slack, no WhatsApp, em threads de email, no Notion, em PDFs internos. Tudo isso foi feito pra humanos, não pra agentes.

O Company Brain é o single source of truth de todo conhecimento da sua empresa: um lugar centralizado onde a IA consegue consumir contexto on demand. A ideia é transformar esse conhecimento num conjunto de prompts, skills e conectores pra que a IA acesse o que precisa, na hora que precisa. Ela não recebe tudo de uma vez: você diz “toda vez que for fazer um reembolso, leia o manual de reembolso. Toda vez que for escrever newsletter, leia a skill de newsletter.”

Por que isso é um negócio gigante? System of records. O CRM é o system of records dos clientes. O HCM é dos RHs. O ERP é das finanças. O GitHub é do código. E sempre que você armazena informação vital de um negócio, o switching cost (custo de migrar pra outro sistema) é altíssimo. Quem já viveu uma migração de CRM sabe o pesadelo que é.

Na minha cabeça, o Company Brain é o system of records dos manuais dos agentes que trabalham na sua empresa. Logo, ele tem moat. Logo, é um grande negócio.

Duas referências:

• Second Brain do Karpathy (founding team da OpenAI, criador do termo “vibe coding”). Ele lançou um projeto open source no GitHub seguindo a metodologia do Tiago Forte de capturar, organizar, destilar e expressar informação. Explodiu no X.

• G-Brain do Garry Tan (CEO do Y Combinator). Projeto open source proposto como o “second brain do founder”, armazena pessoas da empresa, projetos, metas, decisões.

Ambos são versões pessoais do conceito. A oportunidade tá em construir a versão company-wide.

3. Hedge Funds nativos de IA

Essa tese eu tô obcecada.

Contexto rápido: nos anos 80, fundos começaram a usar computador pra análise de mercado. Isso virou uma área inteira chamada quant trading (usar matemática e algoritmos pra tomar decisões de investimento). Agora a gente tá num novo ponto de inflexão com IA.

E olha que é interessante: os grandes fundos hoje estão muito devagar na adoção de IA. Tive uma conversa longa com um amigo meu (Léo, faria limer de carteirinha, um abraço se você tá lendo isso aqui) e ele me contou que em muitos fundos o compliance bloqueia até o ChatGPT. É outro mundo.

Mas o ponto principal: a vantagem competitiva NÃO vai vir de usar IA pra otimizar estratégias que já existem (todo mundo vai fazer isso). A vantagem vem de criar estratégias de investimento que só existem porque a IA existe.

Exemplo: sem IA, você não consegue ler todas as transcrições de earnings calls de centenas de empresas, cruzar com dados do Glassdoor, do LinkedIn, com tickers da bolsa, com fatos relevantes da CVM, em tempo real. Esse volume e essa correlação destravam estratégias completamente novas.

Três projetos pra você ficar de olho:

• Alpaca: API de compra e venda de ações. Você plugga um agente direto. (Atenção: precisa de residência fiscal nos EUA, não tá disponível no Brasil ainda.)

• TradingAgents: open source no GitHub, 66 mil stars, framework de agentes pra financial trading.

• DeerFlow: agente autônomo pra financial research, 23 mil stars.

Dois dos top 10 projetos mais acessados do GitHub hoje são de finanças. O sinal é claro.

Saia do “tenho uma ideia” pro “tô construindo”

99% das pessoas que estão lendo essa newsletter não vão construir absolutamente nada. Se você quer ser parte do 1% que vai tirar do papel, seu lugar é no Epic.

É lá que eu mostro o caminho inteiro pra você criar e lançar produtos com IA, mesmo sem saber programar. Numa assinatura você tem acesso a:

• A educação completa da nossa metodologia de construção de produtos com IA

• Um AI builder que te ajuda a implementar essa metodologia na prática

• A comunidade cheia de outros AI builders construindo de verdade

👉 Assinar o Epic

4. SaaS Challengers

No Vale do Silício só se fala uma coisa: “SaaS is dead.”

E os números não mentem. O crescimento de receita das empresas de SaaS caiu 58% de 2021 ao primeiro tri de 2025. Em 2020, 60% das empresas de SaaS eram avaliadas a 10x receita ou mais. Hoje, são 5%. O céu fechou.

Por quê? Há quatro anos, fazer software era caro pra caramba. Você jamais consideraria construir seu próprio CRM, você comprava o pronto. Hoje fazer software ficou tão barato que a equação “buy vs build” mudou completamente.

Se você paga R$ 30/mês por funcionário num SaaS e tem 50 mil funcionários, talvez faça muito mais sentido construir o seu próprio. Esse é o X da questão.

E aí abrem três oportunidades:

1. Pegar um SaaS existente e vender uma versão 10x mais barata. Estratégia de quebrar canela do incumbente. Honestamente, eu não gosto de brigar por preço, mas funciona.

2. Criar a versão AI-native daquele produto. Atenção: AI-native é MUITO diferente de “produto velho que enfiaram IA”. São coisas opostas.

3. Fazer open source + vender serviço/hosting. Essa é a minha favorita. O Firecrawl (que eu já falei aqui no canal) tem mais de 600 mil clientes, código todo open source, e ganha dinheiro hospedando o projeto pros clientes.

E você fica protegida porque os incumbentes não vão fazer isso. Imagina o Salesforce lançando uma versão 10x mais barata da própria ferramenta, ou virando open source. Eles canibalizariam o produto principal. Não vai acontecer. Por isso essa janela tá aberta.

5. Software para Agentes

Essa é uma das que eu acho mais subestimadas.

A maioria das pessoas hoje constrói produto pensando que outros humanos vão usar. Só que cada vez mais, quem vai usar nossos produtos não são humanos — são agentes. Hoje mesmo eu coloquei o Claude pra usar uma plataforma que eu uso pra descobrir vídeos bombando no LinkedIn. Quem clicou nos botões foi o Claude, não eu.

E agente não opera produto da mesma forma que humano:

• Humano quer interface bonita, tutorial, wizard de onboarding.

• Agente quer documentação, skills, MCP, CLI (linha de comando), API.

São coisas radicalmente diferentes. Por isso precisa existir software construído especificamente pra agentes.

A referência mais legal que vi recentemente: o Stripe lançou semana passada o Link — uma “wallet de pagamento pro agente”. Quando o Open Claude saiu, tinha gente deixando o agente fazer compra direto no cartão de crédito (loucura). O Link cria uma camada segura: você define o que o agente pode comprar e quanto, sem perder controle.

Agora pensa em literalmente tudo que cai no seu cartão de crédito todo mês. Cada SaaS, cada ferramenta, cada aba aberta no seu Chrome. Como seria a versão pra agente desse software? Cada resposta dessa pode ser um negócio.

6. Agências nativas de IA

Última tese, e essa me toca pessoalmente porque eu vim do mercado de publicidade.

Historicamente, agências sempre foram um pesadelo de escalar. Pra cada cliente novo, contrata um monte de gente. Perdeu cliente, demite. Margem baixíssima, muita mão na massa, muito desdobramento manual da estratégia.

E o software que as agências usam hoje (Canva, Photoshop, After Effects) é vendido com a esperança de que o cliente vá fazer o trabalho. Te vendo o After Effects esperando que você anime sozinha. É trabalho jogado pro cliente.

A agência AI-native inverte isso: você faz o trabalho com o software e entrega o resultado pronto. O cliente paga pela entrega, não pela ferramenta.

As consequências são absurdas:

• Muito menos gente. Um vídeo que eu postei no Reels semana passada antes precisaria de umas 3 pessoas. Eu fiz sozinha em 3 horas.

• Margem de software, entregando serviço. Cobrando R$ 10 mil pelo que antes te custava R$ 8 mil e agora te custa R$ 1 mil. Margem altíssima.

• Outro nível de atendimento. Um seguidor meu assistiu meus vídeos de landing page, criou uma LP pro cliente, marcou reunião, chegou com o site pronto e fechou por R$ 13 mil. Antes você nunca faria um site antes de saber se a pessoa ia fechar.

As agências do futuro vão se parecer muito mais com software do que com serviço. Mais escalonáveis do que qualquer agência de publicidade já foi.

Recapitulando

Pra fechar, as 6 oportunidades de novo:

1. Serviços nativos de IA — automatize e venda serviço (não SaaS) pra mirar o mercado de US$ 17 trilhões

2. Company Brain — single source of truth de contexto pra agentes, com moat de system of records

3. Hedge Funds nativos de IA — estratégias de investimento que só existem porque a IA existe

4. SaaS Challengers — open source + serviço, ou versões AI-native, ou 10x mais baratos que os incumbentes

5. Software pra agentes — produtos pensados pra agentes operarem, não pra humanos

6. Agências nativas de IA — margem de software entregando serviço, outro nível de atendimento

E não, você não precisa ser dev pra construir nenhuma dessas. A diferença entre quem vai construir os próximos negócios bilionários e quem vai ficar pra trás não tá em saber programar, e em enxergar onde a IA tá mudando estruturalmente cada mercado.

Agora é com você. 🚀

🎥 Quer ver o vídeo completo com todas as referências, exemplos visuais e gráficos que eu mostro?

👇🏽 Assistir no YouTube

Até a próxima edição da DebGPT! 💜

E não foi por acaso, viu? Esse modelo impressionou demais pela qualidade da resolução e principalmente pela capacidade de gerar texto dentro das imagens (coisa que sempre foi o calcanhar de Aquiles dos modelos de IA). Nano Banana, que é um dos mais espertinhos do mercado, ainda erra muito e gera aquele famoso “AI slop”. Sabe quando o texto sai meio embolado, com letra a mais, palavra estranha? Pois é, parece que a OpenAI finalmente resolveu esse problema.

E o melhor junto com o lançamento, a OpenAI publicou um guia oficial de prompts para usar com o GPT Image 2. E esse guia é o ouro puro. Acontece que ele é extenso, cheio de termos técnicos, e eu já sei que você não vai ler.

Por isso eu fiz o que eu faço de melhor: li o guia inteiro, traduzi pra termos simples e extraí só o essencial que você precisa saber pra gerar imagens de qualidade profissional. Bora?

🪽 Spoiler: Criei uma Skill gratuita pra você baixar e usar no Claude. Ela já vem com todas as melhores práticas do cookbook oficial embutidas, então você nunca mais precisa decorar prompt nenhum. 👇

Por que cookbook oficial > qualquer dica de influencer de IA

Antes de eu te dar os prompts, preciso te falar uma coisa importante: toda vez que a OpenAI lança um modelo novo, eles publicam junto um cookbook, que nada mais é do que um manual de como usar aquele modelo da melhor forma possível.

E esse manual é a única coisa que importa. É muito mais valioso do que qualquer prompt que seu influencer favorito de IA vai te passar, até porque, se essa pessoa não trabalha na OpenAI, ela não construiu o modelo e é improvável que ela tenha testado tanto quanto as pessoas que passaram meses desenvolvendo aquela tecnologia.

Eu tenho o hábito de ir lá no GitHub da OpenAI sempre que sai modelo novo. Sei que GitHub intimida quem não é dev, mas é só um texto normal. Cada um se diverte do seu jeito, né? Eu me divirto lendo cookbook. 😅

Os casos de uso que mais me impressionaram

O guia divide os prompts em dois grandes blocos: só texto → imagem e texto + imagem → nova imagem. Vou te contar os destaques de cada um.

Infográficos

Lembra daquelas revistas Super Interessante (entregando a idade 🥲) com aqueles infográficos lindos em 3D? Pois é, antes você precisava de um time de designers, Cinema 4D, semanas de trabalho. Hoje você pede pro GPT Image 2 e ele entrega. As palavras-chave aqui são coisas como “infographic style”, “understand technically and visually the flow.”. Resultado: gráficos de qualidade editorial em segundos.

Prompt:

prompt = """
Create a detailed Infographic of the functioning and flow of an automatic coffee machine like a Jura. 
From bean basket, to grinding, to scale, water tank, boiler, etc. 
I'd like to understand technically and visually the flow.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1024x1536",
    quality="medium",
)

save_image(result, "infographic_coffee_machine_gpt-image-2.png")

Imagem gerada:

Fotorrealismo

Esse aqui é onde o modelo brilha de verdade. A fidelidade fotográfica que ele entrega é absurda e o resultado parece foto de banco de imagem profissional.

Mas o que realmente me impressionou nessa parte foi outra coisa: o real world knowledge do modelo. Sabe quando você precisa descrever cada detalhezinho da imagem pra IA não viajar? Pois é, com o GPT Image 2 você não precisa mais.

Te dou um exemplo prático: se eu peço uma foto de pessoas em Woodstock, eu não preciso explicar que elas estão de calça boca-de-sino, cabelo comprido, headband, roupa tie-dye, óculos redondo. O modelo já sabe. Ele entende que Woodstock foi em 1969, sacou a estética da época, e gera tudo coerente sem você abrir um único parêntese.

Isso muda completamente como você escreve prompt. Nesse exemplo, ao invés de gastar 200 palavras descrevendo cenário, figurino e iluminação de época, você cita que a época da imagem que você deseja gerar é Woodstock e pronto. Você fala pouco e diz muito. Pra mim, esse é um dos maiores diferenciais do modelo, ele tem intuição cultural e histórica, não só capacidade técnica de gerar pixel.

Prompt:

prompt = """
Create a realistic outdoor crowd scene in Bethel, New York on August 16, 1969.
Photorealistic, period-accurate clothing, staging, and environment.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1024x1536",
    quality="medium",
)

save_image(result, "world_knowledge-gpt-image-2.png")

Imagem Gerada:

Logotipos

Gente, fazer logo com IA sempre foi uma humilhação. Quem nunca tentou não sabe a dor, principalmente logo tipográfico (com texto) ou geométrico. O modelo dá uma sequelada e gera uma coisa completamente aleatória que não tem nada a ver com o que você pediu.

Mas o GPT Image 2 mudou esse jogo. Vou te mostrar o exemplo do próprio cookbook: uma padaria fictícia chamada Field and Floor.

O prompt era basicamente: “gere um logo original e não-infrator pra uma padaria local. Quente, simples e atemporal. Vector-like, silhueta, explorando espaço negativo, flat design, minimal strokes, sem ingredientes.”

E ele gerou quatro variações do logo a partir do mesmo prompt, todas coerentes. Você pode julgar se ficou bonito ou feio, é uma questão de gosto. Mas eu já vi coisa MUITO pior feita por designer. E olha que eu sou designer, então eu posso falar.

As palavras-chave aqui são ouro, anota aí:

• Vector (logo vetorial, linha limpa)

• Silhouette (silhueta, formas cheias)

• Negative space (espaço negativo — o pãozinho da Field and Floor usa o trigo como espaço negativo, ficou muito bom)

• Flat design (sem volume, sem sombra)

• Minimal strokes (contornos mínimos)

• Original, non-infringing (essa é importantíssima pra ele não copiar logo que já existe — pelo amor, não vai querer tomar processinho)

Pra quem não é designer, esse caso de uso é um divisor de águas. Você consegue gerar 4 opções de logo, escolher a que mais te agrada, e ainda iterar em cima. Solução de identidade visual pra MVP, side project, padaria do bairro — tudo resolvido sem precisar contratar agência.

prompt = """
Create an original, non-infringing logo for a company called Field & Flour, a local bakery. 
The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space. 
Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential. 
Plain background. Deliver a single centered logo with generous padding. No watermark.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1024x1536",
    quality="medium",
    n=4     # Generate 4 versions of the logo
)

# Save all 4 images to separate files
for i, item in enumerate(result.data, start=1):
    image_base64 = item.b64_json
    image_bytes = base64.b64decode(image_base64)
    with open(f"../../images/output_images/logo_generation_{i}_gpt-image-2.png", "wb") as f:
        f.write(image_bytes)

Imagens Geradas:

Anúncios (Ads)

Esse aqui é ouro pra quem tem negócio. E o exemplo do cookbook me deixou de queixo caído: eles geraram um ad completo pra uma marca fictícia de streetwear chamada Threads, com tagline “yours to create“ integrada no layout, daquele jeito que parece campanha de marca grande, com fotógrafo caro, direção de arte e tudo mais.

Quando eu olho pra essa imagem, eu literalmente acho que foi um fotógrafo caro que tirou essa foto. E não foi. Foi um prompt.

O prompt descrevia: um fashion shot pra uma marca de streetwear voltada pro público jovem, mostrando um grupo de amigos curtindo juntos (não posando — hanging out), com a tagline integrada e espaço propositalmente deixado pro logo da marca aparecer no topo.

As palavras-chave que fazem essa mágica acontecer:

• Fashion shot (define o gênero da foto)

• Strong color direction (cria aquele contraste de campanha)

• Natural poses (galera hanging out, não posando — isso muda tudo)

• Premium fashion photography (é o que faz parecer caro)

• Polished, contemporary, energetic, tasteful (o tom da marca)

• Tagline integrated into layout (pra ele pensar a composição com o texto)

Pra quem tem e-commerce, marca de roupa, restaurante, agência, esse caso de uso economiza milhares de reais em produção de campanha. Você gera o criativo da campanha em segundos, testa variações, valida ângulo antes de gastar com produção real.

prompt = """
Give me a cool in culture ad / fashion shot for a brand called Thread. 
It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create."
Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful.
Use clean composition, strong color direction, natural poses, and premium fashion photography cues.
Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1024x1536",
    quality="medium",
)

save_image(result, "thread_ad_gpt-image-2.png")

Imagem gerada:

Diagramas educativos

Esse é um dos meus favoritos. E vou ser honesta com você: eu fico um pouquinho envergonhada quando vejo as pessoas postando aqueles infográficos com cara de NotebookLM. Sabe aquele estilo? Tudo igualzinho, mesma paleta meio sem graça, mesma fonte, mesma vibe genérica. Tem cara de IA a um quilômetro de distância e fica meio amador.

Os diagramas que o ChatGPT gera têm muito mais cara de feito por humano. E o melhor: o prompt pra chegar nesse resultado não é cabuloso, ao contrário do que parece.

Alguns pontos que são importantes de você mencionar no seu prompt:

1. O título do diagrama

2. O fluxo que quer mostrar (descreve com tuas palavras mesmo)

3. O estilo com palavras-chave certas

As palavras-chave que valem ouro:

• Simple diagram (ele entende o que é para ser feito)

• Clean classroom handout ou slide style (define o gênero educativo)

• White background (fundo branco, sem distração)

• Simple icons with clear labels (ícones funcionais com etiquetas legíveis)

• Avoid small text and extra decoration (novamente, evita frufru)
  

Prompt:

prompt = """
Create a simple biology diagram titled "Cellular Respiration at a Glance" for high school students.

Show how glucose turns into energy inside a cell. Include glycolysis, the Krebs cycle, and the electron transport chain.
Use arrows to connect the steps, and label the main molecules: glucose, pyruvate, ATP, NADH, FADH2, CO2, O2, and H2O.
Make it look like a clean classroom handout or slide, with a white background, simple icons, clear labels, and easy-to-read text.

Avoid tiny text, extra decoration, or anything that makes the diagram hard to understand.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1536x1024",
    quality="high",
)

save_image(result, "scientific_educational_cellular_respiration_gpt-image-2.png")

Imagem gerada:

Pra educadores, criadores de conteúdo, autores de newsletter (oi 👋), pessoal de RH montando treinamento, esse caso de uso é um divisor de águas. Você sai do diagrama genérico de IA e entrega algo que parece ter passado por um designer.

Slides

Os slides que o GPT Image 2 gera são sensacionais: layout pensado, tipografia coerente. Nada a declarar visualmente.

Mas vou te dar uma dica que economiza dinheiro: se o que você precisa é só um slide com texto, gera em HTML, não em imagem. Por quê? Porque gerar pixel custa muito mais token pro modelo do que gerar texto. HTML é texto, slide-imagem é pixel — e a diferença bate no seu bolso no fim do mês.

Agora, se dinheiro não é problema e você tá rasgando, vamo de GPT Image 2 mesmo. O resultado é lindo!

Prompt:

prompt = """
Create one pitch-deck slide titled **"Market Opportunity"** that feels like a real Series A fundraising slide from a YC-backed startup.

Use a clean white background, modern sans-serif typography like Inter, and a crisp, minimal layout. The slide should include:

* A TAM/SAM/SOM concentric-circle diagram in muted blues and grays
* Specific, believable market sizing numbers:

  * **TAM:** $42B
  * **SAM:** $8.7B
  * **SOM:** $340M
* A clean bar chart below showing market growth from **2021 to 2026**, with a subtle upward trend
* Small footnotes: **"AGI Research, 2024"** and **"Internal analysis"**
* A company logo placeholder in the bottom-right corner

The design should look like it belongs in a deck that actually raised money: highly readable text, clear data hierarchy, polished spacing, and professional startup-style visual language.

Avoid clip art, stock photography, gradients, shadows, decorative elements, or anything that feels generic or overdesigned.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1536x864",
    quality="high",
)

save_image(result, "market_opportunity_slide_gpt-image-2.png")

Slide Gerado:

Parte 2: Imagem de referência junto ao prompt

Aqui é onde a brincadeira fica séria. Você pode mandar uma imagem junto com o texto e pedir transformações específicas. Os três casos que mais me impressionaram:

Rascunho → Imagem fotorrealista

Esse é um dos casos de uso que mais me impressionou no cookbook inteiro. Você desenha qualquer coisa na mão (pode ser um rabisco horroroso, juro) manda pro modelo e ele transforma numa foto profissional, preservando o layout, as proporções e a perspectiva exatas do que você desenhou.

A grande sacada aqui é entender o princípio: tem coisas que são muito difíceis de descrever com palavras. Tenta explicar pra uma IA exatamente onde a montanha está, qual o ângulo da nuvem, como o sol bate de leve no canto direito mas mais forte no fundo... é exaustivo. Mas se você desenha e une isso a poucas palavras, você comunica em segundos o que levaria parágrafos descrevendo.

Prompt (aí junto você adiciona a foto do rascunho):

prompt = """
Turn this drawing into a photorealistic image.
Preserve the exact layout, proportions, and perspective.
Choose realistic materials and lighting consistent with the sketch intent.
Do not add new elements or text.
"""

result = client.images.edit(
    model="gpt-image-2",
    image=[
        open("../../images/input_images/drawings.png", "rb"),
    ],
    prompt=prompt,
    size="1024x1536",
    quality="medium",
)

save_image(result, "realistic_valley_gpt-image-2.png")

Resultado gerado:

Provador virtual de roupas

Esse aqui eu testei comigo mesma e fiquei em choque. Vou te contar a história.

Você já deve ter visto por aí que pessoal gosta de falar que eu pareço com a Lara Croft.

Pois bem: peguei uma foto minha de quando eu estava no cabeleireiro me arrumando pra um casamento, joguei no GPT Image 2 com um prompt absurdamente simples — “essa aqui sou eu, coloca uma roupa da Lara Croft em mim” — e olha só o que aconteceu.

Pra quem tem loja de roupa, marca de acessórios ou qualquer negócio de moda: esse caso de uso economiza uma grana absurda em produção. Em vez de contratar modelo, fotógrafo, estúdio, equipe de styling pra cada drop novo, você gera as fotos do catálogo direto. Mantém a modelo de referência, troca as peças, e tem a coleção inteira fotografada num fim de semana.

E você não precisa de prompt complexo. Sério. “Essa aqui sou eu, coloca em mim uma [roupa]” já funciona.

Decoração e reforma

Esse aqui me ganhou de vez. Eu reformei minha casa esse ano e qualquer pessoa que já passou por reforma sabe: olhar pro ambiente cru e imaginar como vai ficar pronto é quase impossível. Tentei várias IAs durante a obra e nada batia.

Com o GPT Image 2, você manda a foto do ambiente e fala “replace only the white chairs with chairs made of wood” — e ele troca só as cadeiras. Não mexe em mais nada. Edição cirúrgica. Pra arquiteto, designer de interiores ou quem está reformando a casa, isso é extremamente útil!

Prompt:

prompt = """
In this room photo, replace ONLY white with chairs made of wood.
Preserve camera angle, room lighting, floor shadows, and surrounding objects.
Keep all other aspects of the image unchanged.
Photorealistic contact shadows and fabric texture.
"""

result = client.images.edit(
    model="gpt-image-2",
    image=[
        open("../../images/input_images/kitchen.jpeg", "rb"),
    ],
    prompt=prompt,
    size="1536x1024",
    quality="medium",
)

save_image(result, "kitchen-chairs_gpt-image-2.png")

Resultado:

Recapitulando

O GPT Image 2 é extremamente poderoso pelos seguintes fatores:

1. Renderização de texto confiável dentro das imagens (finalmente!)

2. Edições cirúrgicas que preservam tudo exceto o que você pediu pra mudar

3. Conhecimento de mundo você fala pouco e ele entende muito

E o mais importante: você não precisa decorar prompt complexo pra usar. O modelo tem uma intuição muito boa. Mas se você usa as palavras-chave certas pro caso de uso certo, o resultado sai 10x melhor.

🪽 Agora é com você

Pra facilitar tua vida, eu transformei tudo que aprendi do cookbook oficial em uma Skill pronta pra usar. Você baixa, instala, e na hora de gerar o prompt para a sua imagem o Claude já sabe exatamente quais técnicas e palavras-chave usar pra cada caso. Assim, você gera o prompt ideal para seus casos de uso, e depois é só colar no ChatGPT e ser feliz!

👉 Baixe a Skill de GPT Image 2 no Epic

É de graça, é meu jeito de garantir que você não vai mais gerar “AI slop” feio achando que é culpa do modelo.

Além disso, eu fiz um vídeo no Youtube mostrando tudo isso em mais detalhes! Confere aqui
Me conta depois qual caso de uso você testou! 👇

Até a próxima edição da DebGPT! 💜

Pra vocês terem ideia, ele gerou uma apresentação inteira pra uma palestra que vou dar daqui algumas semanas, com literalmente um prompt, e ficou completamente alinhada com a identidade visual do Epic. Tava com a minha cara. Eu, que sou designer, olhei e aprovei. Uma prévia:

Mas tem um detalhe importante que ninguém tá falando por aí:

Se você chegar no Claude Design e mandar “faz uma apresentação pra mim, *make no mistakes*”, você NÃO vai ter esse resultado.

Pode até sair algo esteticamente bonito. Mas não vai ter a sua cara. Vai ter cara de IA genérica.

Pra você fazer designs com personalidade usando o Claude Design, você precisa fazer três coisas antes de pedir qualquer coisa pra ele. E é exatamente isso que eu vou te ensinar nessa edição.

Como fazer designs PROFISSIONAIS

Antes de abrir o Claude Design, você precisa:

1. Ter um kit de identidade de marca básico: logo, tipografia, cores, imagens e todos os assets que compõem a sua marca.

2. Criar um Design System no Claude Design: ou seja, ensinar pra ele como a sua marca funciona, o que ela faz e o que ela não pode fazer.

3. Só depois pedir pra ele gerar uma apresentação, página, vídeo ou o que quer que você precise.

É exatamente assim que um designer trabalha. E funciona porque você tá dando contexto pra IA antes de pedir output, que é a mesma lógica que a gente usa pra desenvolvimento de software, só que aplicada a design.

Antes do Claude Design: a fundação da marca Epic

Pra te mostrar como isso funciona na prática, deixa eu fazer a engenharia reversa da minha própria marca, o Epic (minha empresa, que tem dois pilares: um app builder com Spec-Driven Development e um braço de educação).

O nome Epic vem de dois lugares:

• Técnico: em product management, “épicos” e “user stories” são a forma de quebrar projetos grandes em coisinhas menores — que é literalmente o que o Epic faz com o seu projeto.

• Cultural: épico como adjetivo (grandioso, heróico) e como gênero literário (a Odisseia de Homero é o melhor livro de ficção que eu já li na vida, sério).

A partir daí, construímos tudo:

Logo: uma asinha que representa as asas do Hermes (o mensageiro dos deuses na mitologia grega). De brinde, se você virar a asinha para o lado oposto, ela também vira um “E”.

Cores: paleta de tons terrosos, e cada cor faz homenagem a um deus grego diferente.

Tipografia: duas fontes — Lora (serifada, mais chamativa, pra títulos) e Geist (mais limpa, pra corpo de texto). Equilíbrio entre personalidade e legibilidade.

Imagens: todas remetem à temática épica: colunas iônicas, paisagens da Grécia antiga. Por vezes adicionamos easter eggs, misturando elementos modernos nas paisagens antigas, uma maneira de reforçar a ideia de “coisas grandiosas feitas com tecnologia”.

Sua marca precisa ser distinta

Isso aqui é o ponto que eu mais bato na tecla em todos os vídeos:

Sua marca precisa ser distinta. Você precisa ocupar um espaço único na cabeça do seu cliente. E a forma mais rápida de fazer isso é pegar tudo que o seu mercado tá fazendo e fazer o oposto.

Exemplo que adoro dar: os grandes bancos brasileiros. Não é por acaso que cada um ocupa uma cor diferente:

• Nubank: roxo (o roxinho, né)

• Itaú: laranja

• Bradesco: vermelho

• BTG: azul escuro

• XP: preto

Não é coincidência. É feito de caso. Porque atributos visuais são um atalho pra ocupar um espaço único na cabeça do cliente.

Quando eu comparo o Epic com outros app builders que o meu cliente conhece (Lovable, Bolt, v0), propositalmente fui pro lado oposto. Enquanto eles são coloridos, roxos, azuis, rosas, a gente é terroso, serifado, com referência grega. Completamente diferente.

Inclusive, tenho uma história sobre isso: o ícone do Epic quase foi um raiozinho. Aí eu lembrei do Bolt, que literalmente significa “relâmpago”. Não dava pra ter dois app builders com o mesmo símbolo. Voltamos pra a asinha do Hermes. Distintividade acima de tudo.

Configurando o Design System no Claude Design

Agora, com toda essa fundação pronta, a parte prática:

Você vai em claude.ai/design, clica na aba Design Systems, depois em Create. Ali você tem várias formas de subir seus assets:

• Um projeto do GitHub

• Um projeto do seu computador

• Um projeto do Figma

• Manualmente (fontes, logos e assets um por um)

Eu fiz manualmente, e recomendo pra você também. Motivo: nem todo mundo mexe no Figma, nem todo mundo tem GitHub com projeto. A forma manual é a mais democrática.

O que eu subi na minha pastinha:

• Um JSON com tokens de estilo (cores, espaçamentos, sombras — extraí tudo do projeto do meu site)

• Minhas duas fontes (Geist + Lora)

• Todas as imagens da marca

• Logos em todas as versões (normal, ícone, branco, preto)

Ah, uma dica: você pode passar o link do seu site pro Claude Design e pedir pra ele extrair as informações. Funciona muito bem.

Sendo honesta: o que ele te entregar no primeiro shot vai ser 80% bom. Não vai ser perfeito. Você vai precisar revisar cada asset, aprovar um por um, e quando algo não estiver certo, clicar em “Needs work” e dizer exatamente o que precisa mudar.

Fiz vários ajustes até chegar no resultado final. Mas o ganho de tempo é absurdo comparado a fazer tudo do zero.

O resultado: uma apresentação em 5 minutos com a minha cara

Com o Design System pronto, testei criando a apresentação da minha palestra. Colei o roteiro, selecionei a opção “slide deck”, marquei “use speaker notes” (pra ele colocar o texto nas notas do apresentador e deixar os slides mais clean), e cliquei em Create.

Ele proativamente me fez perguntas antes de gerar — duração da palestra, audiência, tom visual, idioma. Isso é ouro, porque evita que ele saia fazendo algo completamente diferente do que você quer.

Esperei uns 5 minutinhos e voltei.

O resultado:

• Seguiu as cores da minha marca certinho

• Usou as duas fontes (Lora + Geist) corretamente

• Usou as imagens que eu subi

• Fez até um gráfico que ficou exatamente como eu queria

• Colocou placeholder nas partes onde eu ainda não tenho conteúdo

• Deixou os slides limpos, com o grosso do texto nas speaker notes

Uma apresentação que me tomaria 2 dias me tomou 5 minutos.

Recapitulando

Se você quer usar o Claude Design pra gerar material com a cara da sua marca (e não aquele visual genérico de IA), o caminho é:

1. Construa a fundação da sua marca primeiro: logo, tipografia, cores, imagens. Sem isso, nada do resto funciona.

2. Priorize distintividade: olhe o que o seu mercado faz e vá pro oposto.

3. Suba tudo no Claude Design como Design System antes de pedir qualquer output.

4. Revise os 80% que ele te entrega e ajuste o que precisa.

5. Só agora peça a apresentação, landing page, carrossel, vídeo, o que você quiser.

E não, você não precisa ser designer pra fazer isso! O Claude Design democratiza um processo que antes exigia anos de repertório visual.

Agora é com você

Esse processo completo, com os prints, os ajustes reais que eu fiz e o resultado final da apresentação, tá no vídeo novo do canal.

Se você ainda não tem uma identidade de marca definida, começa por aí antes de abrir o Claude Design. Sem fundação, nenhuma IA de design do mundo vai te entregar resultado decente.

Até a próxima edição da DebGPT! 💜

E eu fiz o que eu sempre faço: testei tudo e vim aqui te contar o que vale mais atenção, porque tem coisa nessa lista que vai mudar completamente como você usa o Claude Code no dia a dia.

Bora lá?

🪽 Quer aprender Claude Code comigo? Acesse o Epic

1. Claude Code no celular

Você sabia que dá pra acessar o Claude Code pelo celular? Não só abrir o app do Claude, mas literalmente continuar trabalhando nos seus projetos de onde você parar no computador.

Funciona assim: você conecta seu GitHub no Claude Code do computador, dá permissão pra acessar os projetos que quiser, e pronto, esses projetos ficam disponíveis no app do celular também.

Eu acho isso super útil porque já aconteceu de eu estar na rua, receber um reporte de bug de algum usuário, e conseguir dar uma olhada sem precisar abrir o computador.

2. Remote Control: o “WhatsApp Web” do Claude Code

Mas e se você estiver no meio de uma conversa no computador e quiser continuar pelo celular?

Aí entra o Remote Control. Você roda o comando /remote-control no meio de qualquer sessão, e ele gera uma URL única. Cola essa URL no navegador do celular — e, se você usa iPhone, ele abre direto no app — e pronto: você continua a mesma conversa de onde parou.

É exatamente como funciona o WhatsApp Web. Mesma conversa, dois dispositivos, sem perder contexto.

3. Loop: automatize tarefas repetitivas de uma vez por todas

Esse aqui mudou minha relação com o Claude Code.

O Loop permite que você agende um prompt recorrente. Tipo: todo dia às 11h da manhã, rode esse comando pra mim.

O Boris usa no próprio workflow dele: ele tem um projeto de Second Brain onde salva coisas interessantes da internet com um web clipper, e criou um Loop pra rodar o comando /enrich automaticamente todo dia — enriquecendo os conteúdos salvos com imagens e contexto — sem precisar lembrar de fazer isso na mão.

Antes do Loop existir, a única forma de colocar o Claude Code pra trabalhar era você enviando um prompt. Não tinha automação. Agora tem.

4. Hooks: triggers inteligentes para automações determinísticas

Se o Loop é o “todo dia às X horas, faça Y”, o Hook é o “toda vez que acontecer X, faça Y”.

Pensa no Hook como o equivalente aos triggers do n8n ou do Zapier — mas dentro do Claude Code.

A grande vantagem do Hook em relação a colocar uma instrução no prompt? O Hook é determinístico. Ele executa 100% das vezes. Uma instrução no prompt não garante isso, você pode rodar o mesmo prompt 20 vezes e ter 20 resultados ligeiramente diferentes. O Hook não. Aconteceu o evento, executou a ação. Simples assim.

5. Dispatch (controle do computador pelo celular)

Esse aqui é o que mais chamou atenção de todo mundo.

Com o Dispatch, você literalmente controla seu computador pelo celular. Não estou falando de acessar projetos do GitHub, estou falando de o Claude Code operar o seu computador remotamente, navegando em pastas, lendo arquivos locais e executando tarefas.

Todo mundo encarou isso como a resposta direta da Anthropic ao OpenClaw. E não é à toa: diferente do OpenClaw, que o próprio criador admitiu ter feito “correndo e meio que de qualquer jeito”, o Dispatch foi construído por um time profissional com toda uma infraestrutura de segurança por trás.

Para ativar: vai no Claude Code, encontra o item Dispatch, clica, escaneia o QR code com o celular, sincroniza os dois dispositivos, e pronto.

6. Extensão do Chrome: o loop de feedback que você precisava

Sabe aquele processo chato de: pedir pro Claude Code fazer uma landing page → entrar no site → tirar print → mandar o print de volta pra ele → esperar o feedback?

Com a Extensão do Chrome, isso acabou.

Você habilita com o comando /chrome, e a partir daí você pode pedir pro Claude Code navegar no seu navegador por você, acessar sites, preencher formulários, e principalmente ver o resultado do próprio trabalho dele para ajustar sem você precisar intermediar.

É o famoso “auto feedback loop”: ele se retroalimenta com o resultado do que está fazendo.

7. Branches: conversas paralelas sem poluir o contexto

Outro recurso subutilizado: o Branch de conversa.

Imagine que você está no meio de uma conversa sobre o backend do seu projeto, e de repente quer explorar uma ideia diferente, mas não quer misturar tudo e bagunçar o contexto que você construiu.

Com o /branch, você cria uma cópia da conversa herdando todo o histórico, explora o novo assunto ali, e depois volta pra conversa original completamente limpa.

É git para conversas de IA. E faz toda diferença quando você está trabalhando em projetos maiores.

8. BTW (By The Way): interrompa sem cancelar

Antes do BTW existir, se o Claude Code estava no meio de uma tarefa e você queria fazer uma pergunta ou dar um comando adicional, você tinha duas opções: esperar terminar ou cancelar tudo.

Agora você usa /btw + seu comando, e ele recebe a instrução complementar sem interromper o que está fazendo.

Pequeno detalhe, mas muda muito no fluxo de trabalho.

9. Work Trees: múltiplos agentes em paralelo

Essa aqui é mais técnica, mas poderosa demais pra ignorar.

Work Trees permitem que você coloque vários agentes trabalhando no mesmo projeto simultaneamente, sem que um interfira no trabalho do outro. Na prática, ele cria cópias isoladas do seu projeto, coloca um agente em cada cópia, e depois você faz o merge de tudo.

Sabe quando você tá editando um documento no Google Docs com outra pessoa ao mesmo tempo e tudo vira uma bagunça? A Work Tree resolve esse tipo de problema, cada agente trabalha no seu espaço isolado.

10. /batch: para tarefas grandes de verdade

O Batch é para quando você tem uma tarefa grande e complexa pra implementar.

Você roda /batch, ele te faz perguntas para entender o que você quer construir, cria um plano de execução, e então delega esse plano pra múltiplos agentes trabalhando em Work Trees em paralelo.

Resultado: implementação mais rápida, mais segura, com menos chance de um agente quebrar o trabalho do outro.

11. --add-dir: acesse pastas fora do seu projeto

Esse aqui é um hack simples que resolve um problema chato.

Quando você roda o Claude Code dentro de uma pasta, ele só tem acesso àquela pasta. Se você precisar que ele acesse outro diretório do seu computador, antes você precisaria reabrir ele de uma pasta acima ou fazer cópias.

Agora você usa claude --add-dir [caminho] ao iniciar, e concede acesso a outros diretórios além do projeto atual. Simples e direto.

12. Agentes especializados: seu time de mini Claude Codes

Essa é uma das funcionalidades mais subutilizadas de todas.

Com o comando /agents, você cria mini Claude Codes especializados em tarefas específicas. Cada agente tem seu próprio system prompt, suas próprias ferramentas disponíveis (e bloqueadas), e seu próprio modelo configurado.

Na prática: seu Claude Code principal vira um agente generalista que delega para agentes especialistas quando precisa. Um agente só pra slides, um pra code review, um pra documentação...

É hierarquia de agentes dentro do seu próprio projeto.

13. Modo voz: fale, não digite

Por último — e esse a Anthropic estava bem atrasada — o Modo Voz.

Você habilita com /voice, segura a barra de espaço e fala o seu prompt ao invés de digitar. Importante: configure a linguagem com /config depois de habilitar, senão ele vai capturar em inglês e escrever tudo errado.

Útil? Muito. Especialmente pra quem usa no celular ou quer agilizar no dia a dia.

Recapitulando

Quer ver isso na prática?

Eu gravei um vídeo mostrando tudo isso na prática! Confere aqui, você não vai se arrepender 👇🏽

E se você quer ir além — aprender a usar o Claude Code do zero até criar aplicações profissionais e automatizar tarefas do seu dia a dia, mesmo sem ser desenvolvedor eu tenho um curso completo sobre isso.

É o Epic, o meu produto de educação em IA. Lá eu ensino tudo na prática.

🪽 Comece agora em epic.new/education

Até a próxima edição da DebGPT! 💜

O problema é que a maioria dos conteúdos sobre Claude Code foi feito para desenvolvedores - pessoas cujo habitat natural é uma tela preta (aka: terminal) - e não para pessoas ‘normais’, como provavelmente é o seu caso.

Por isso eu juntei tudo o que aprendi depois de gastar milhares de reais no Claude Code, para te explicar os 20 conceitos mais importantes, dos mais básicos aos mais avançados, que você precisa conhecer para usar o Claude Code como um profissional (mesmo que você não seja um).

Do zero: o que você precisa saber antes de abrir o Claude Code

1. Terminal

O terminal é basicamente uma outra forma de interagir com o seu computador. Ao invés de clicar em pastinhas e ícones, você dá comandos de texto. Os primeiros computadores da história só funcionavam assim, na base do terminal. Foi a Apple que criou a ideia de UI/ interface do usuário, e as interfaces dos sistemas operacionais ‘user friendly', como conhecemos hoje. Mas o terminal nunca foi embora, ele só ficou invisível pra maioria das pessoas.

2. Claude Code

Um chatbot tradicional você pergunta, ele responde. Se você pedir pra ele criar uma pasta no seu computador, ele vai te dizer o que fazer — mas não vai fazer por você.

O Claude Code é diferente. Ele é um agente: ele não só responde, ele age. Ele roda dentro do seu terminal. Assim como um chatbot, ele também retorna texto, só que esses textos são, na verdade, comandos no seu terminal, para operar o seu computador e interagir com coisas dentro e fora dele.

3. Prompts

O prompt é o comando que você envia pra ele. Não tem segredo aqui — é importante só porque a gente tá construindo vocabulário.

4. Tools (Ferramentas)

Toda vez que você manda um prompt, o Claude Code decide qual ferramenta vai usar pra executar o que você pediu. Ele tem ferramentas pra ler arquivos, criar arquivos, editar arquivos, rodar comandos no terminal, buscar conteúdo na web. É como se ele tivesse uma caixa de ferramentas e soubesse qual pegar em cada situação.

5. Context Window (Janela de Contexto)

É a memória de curto prazo do modelo. Quanto maior a janela, mais coisas ele consegue se lembrar da sua conversa. Isso importa muito quando você tá trabalhando num projeto de código — porque quanto mais contexto, melhor a performance.

6. Tokens

A unidade de medida oficial de todos os modelos de IA. Em média, 1 token = 4 caracteres. Quando um modelo diz que tem janela de contexto de 1 milhão de tokens, significa que ele consegue “lembrar” de aproximadamente 4 milhões de caracteres. Tokens também são o que determina quanto você paga — o custo é calculado por milhão de tokens processados.

7. Modelos

O Claude Code dá acesso a diferentes modelos: Opus, Sonnet e Haiku. Cada um tem um equilíbrio diferente entre inteligência, velocidade e custo. O Opus pensa mais antes de agir — é mais preciso, mas mais lento. O Sonnet age mais rápido com um pouco menos de profundidade. O Haiku é o mais leve e barato. Você escolhe de acordo com a complexidade da tarefa.

8. Permissions (Permissões)

São os limites que você coloca no que o Claude Code pode fazer sem te pedir autorização. Com shift + tab você alterna entre modos: no modo mais restrito ele te pede permissão pra cada ação; no modo mais aberto ele sai fazendo tudo automaticamente. Dependendo do que você tá construindo, vale a pena controlar isso.

Nível intermediário: como usar melhor o que você já tem

9. Clear

Comando que limpa completamente a janela de contexto e começa uma sessão do zero. A melhor prática: terminou uma tarefa, dá /clear antes de pedir outra. Assim você não contamina o contexto com informações que não têm nada a ver com o próximo pedido.

10. Compact

Diferente do Clear, o Compact não apaga tudo — ele resume sua conversa anterior em poucos tokens e começa uma nova sessão com esse resumo. Muito útil quando o contexto tá ficando cheio mas você não quer perder o histórico da sua conversa.

11. CLAUDE.md

Um arquivo de texto que o Claude Code lê automaticamente no início de cada nova sessão. É onde você coloca as preferências do seu projeto: qual stack você usa, o que você quer que ele faça, o que você não quer. Uma vez configurado, você não precisa mais repetir essas instruções toda vez. ⚡️

Dica importante: mantenha esse arquivo o mais enxuto possível. Como ele é carregado sempre, um CLAUDE.md grande vai ocupar espaço precioso na janela de contexto e degradar a performance do seu modelo.

12. Effort (Esforço)

Controla o quanto de tokens o modelo vai “gastar” pensando antes de agir. Você pode setar como /effort [low, medium, high ou max] Tarefa simples? Manda low. Tarefa complexa? high ou max. Se você não quiser ficar setando isso, deixa no auto que ele mesmo decide.

13. Ultrathink

Quando você digita a palavra ultrathink no meio do seu prompt, você tá dizendo pra ele: usa o esforço máximo de raciocínio aqui. Fica até coloridinho na interface. Usa quando você tem um problema espinhoso que precisa de muita reflexão antes da execução.

14. /Commands (Slash Commands)

Permite que você crie templates de prompts que você usa com frequência. Ao invés de escrever o mesmo prompt longo toda vez, você salva ele como um comando e acessa com /nomeDoComando. Você pode até incluir variáveis (chamadas de argumentos) pra customizar o prompt fixo com informações específicas de cada uso.

Nível avançado: onde as coisas ficam interessantes

15. Skills

Skills são playbooks — conjuntos de instruções guardados no seu projeto que são carregados sob demanda, não no início de toda sessão como o CLAUDE.md. Isso é poderoso porque você consegue ter instruções detalhadas pra situações específicas (design de frontend, banco de dados, escrita de copy) sem poluir o contexto toda vez, porque você só carrega essas instruções SE e QUANDO você precisar. 💜

16. Hooks

São automações que rodam automaticamente quando o Claude Code faz alguma coisa. Se você já usou Zapier ou n8n, a lógica é parecida: “toda vez que acontece X, faz Y”. Você pode criar hooks que disparam antes de usar uma ferramenta, depois de um erro, quando uma sessão começa e muito mais. Para acessar: /hook no terminal.

17. MCPs

MCP (Model Context Protocol) é um padrão universal que permite que agentes de IA interajam com ferramentas externas. As tools que eu expliquei antes são internas — criam arquivos, leem pastas, rodam comandos. Com MCPs, você coloca o agente pra interagir com o mundo exterior: Figma, Gmail, Google Calendar, Canva, GitHub. Instala o MCP, autentica, e aí você pode pedir pro Claude Code criar um evento no seu calendário do google ou ler um design do Figma, por exemplo. 🚀

18. Subagents

Imagina que o seu Claude Code é o agente pai. Você pode criar agentes filhos — cada um especializado em uma tarefa específica — que o pai chama quando precisa. A vantagem é isolar a janela de contexto: o agente de pesquisa faz a pesquisa num contexto separado e retorna só o resultado (resumido) pro pai. O pai passa esse resultado resumido pro agente de módulos, que faz a implementação. Cada um no seu quadrado, sem contaminar o contexto um do outro.

19. Agent Teams

Parecido com Subagents, com uma diferença: aqui os agentes podem conversar entre si diretamente, sem precisar passar pelo agente pai. O de pesquisa passa o resultado direto pro de implementação. Isso permite rodar tarefas em paralelo — e não só em sequência — o que traz muito mais velocidade pra projetos complexos.

20. Worktrees

Permite que o Claude Code trabalhe em múltiplas versões do seu projeto ao mesmo tempo, de forma isolada. Útil pra rodar implementações em paralelo sem que uma quebra a outra. É uma funcionalidade avançada — não recomendo usar sem ter um mínimo de familiaridade com Git. Mas quando você tiver essa base, abre muita produtividade.

Por onde começar?

Se você chegou até aqui, você já sabe mais sobre Claude Code do que 90% das pessoas que estão usando agora.

O próximo passo é colocar isso em prática — e ver esses conceitos funcionando em um projeto real.

É exatamente isso que eu ensino no Epic: uma trilha completa onde eu mostro como uso o Claude Code na prática, com todos esses conceitos aplicados do início ao fim de um projeto.

Eu também preparei um glossário em PDF com todos os termos desse vídeo — é gratuito pra quem criar uma conta no Epic.

👉 Cria sua conta no Epic — você não vai se arrepender. 🪽

Fiz um vídeo explicando todos esses conceitos no meu Youtube em mais detalhes. Se você preferir ver tudo isso na prática, como demonstrações no meu terminal, aqui está o link👇🏽

Até a próxima edição da DebGPT! 💜