Table of Contents
Dominando o Claude Code: Como o AR Board Transforma Decisões Rápidas em Memória Evolutiva para Agentes de IA
A skill que eu mais uso no dia a dia: um painel de aprovar e rejeitar (AR board) que acelera decisões e treina seus agentes de IA pelas suas preferências.
Neste vídeo eu mostro o AR board na prática com quatro exemplos: microtemplates de um site, sugestões para a arquitetura de um agente, ideias de novas features para um app e temas de vídeo para o canal. Você aprova com a tecla A, rejeita com a tecla R e ainda comenta o porquê de cada escolha. O painel fica conectado à sua sessão no Claude Code: quando você diz que terminou, o agente entende o que foi aprovado e rejeitado e se aprimora com base nas suas preferências.
A automação de desenvolvimento assistida por Inteligência Artificial entrou em um ponto de inflexão crítico. Até pouco tempo atrás, o debate em engenharia de software girava em torno de completadores de código baseados em abas ou chats laterais integrados à IDE. Com a chegada de ferramentas operadas diretamente na linha de comando e agentes autônomos como o Claude Code, da Anthropic, a dinâmica mudou radicalmente: agora delegamos execuções inteiras de ponta a ponta no terminal.
No entanto, à medida que agentes recebem maior autonomia para criar arquivos, arquitetar microsserviços, refatorar código legado e gerar templates visuais, surge o maior gargalo da era agêntica: o atrito de revisão humana (o ciclo de Human-in-the-Loop).
Interromper o raciocínio do desenvolvedor a cada linha gerada destrói o estado de fluxo. Por outro lado, deixar o agente rodar sem supervisão gera divergências arquiteturais e códigos fora do padrão do projeto. A solução para esse dilema reside em uma abordagem estrutural de alta eficiência: o AR Board (Approve/Reject Board), uma custom skill que não apenas agiliza a triagem de decisões em lote, mas transforma o feedback diário em aprendizado cumulativo e regras consolidadas para os agentes.
O Paradigma das Custom Skills no Claude Code
O Claude Code opera como um agente de terminal capaz de inspecionar diretórios, rodar comandos Git, executar testes unitários, editar arquivos cirurgicamente e interagir com ferramentas personalizadas conhecidas como skills.
Diferente de um simples prompt de sistema estático dentro de um arquivo .md, uma skill bem construída atua como um protocolo operacional:
- Ela define o formato esperado de entrada e saída.
- Isola o contexto para que o modelo consuma apenas os tokens necessários.
- Reduz a ambiguidade na interação humano-computador.
- Conecta a execução pontual com a memória de longo prazo do repositório.
Quando um desenvolvedor precisa que o agente gere variações visuais, microtemplates, endpoints ou abordagens de refatoração, o fluxo tradicional costuma ser moroso. O modelo apresenta uma opção, aguarda a resposta digitada pelo usuário, refaz o código e pergunta novamente. Esse pingue-pongue dissipa a agilidade da ferramenta.
Ao implementar uma dinâmica de AR Board, invertemos o fluxo: o agente gera múltiplas variações e as organiza em uma fila limpa de decisão, permitindo aprovação (Approve), rejeição (Reject) ou ajuste direcionado com fricção cognitiva mínima.
A Mecânica Operacional do AR Board: Triagem Rápida sem Perda de Foco
O conceito central de um AR Board (Painel de Aprovação e Rejeição) consiste em transformar a interação do programador em decisões binárias ou ternárias altamente estruturadas. Em vez de escrever longos parágrafos explicando o que ficou bom ou ruim em uma geração, o operador interage com um painel padronizado.
1. Separação Estrita de Fases: Geração e Julgamento
O maior erro no fluxo com agentes é misturar a fase de divergência (quando o agente gera ideias e opções) com a de convergência (quando o humano escolhe o caminho ideal). O AR Board força essa dissociação:
- Etapa de Geração em Lote: O agente recebe a tarefa (por exemplo, estruturar quatro variações de microtemplates para uma página de checkout ou três estratégias de caching para uma API) e gera todas as alternativas de uma só vez, catalogando-as com identificadores únicos (ex:
[OPT-01],[OPT-02]). - Etapa de Apresentação Estruturada: O agente renderiza no terminal um resumo com os prós, contras, impactos de performance e prévia do código de cada variante.
- Etapa de Decisão Rápida: O desenvolvedor avalia a lista e emite um veredito direto: aceitar uma, rejeitar outras e sinalizar correções pontuais em questão de segundos.
2. O Ciclo de “Feedback Loop” Ativo
Quando uma opção é rejeitada no fluxo convencional, o motivo da rejeição frequentemente se perde no histórico infinito do terminal. Na próxima sessão ou sprint, o agente comete exatamente o mesmo equívoco: escolhe a biblioteca errada, adota um padrão de imports rejeitado anteriormente ou insere classes de estilo que a equipe abomina.
No AR Board, a rejeição traz uma justificativa estruturada atrelada a uma regra. Se o desenvolvedor rejeita a opção [OPT-03] com a anotação “Rejeitado: não usamos mutations diretas fora dos hooks no TanStack Query”, essa decisão não morre ali. Ela retroalimenta a memória do agente.
Quatro Cenários Práticos de Uso do AR Board no Dia a Dia
Para compreender o impacto real dessa técnica, examinamos quatro casos de uso comuns enfrentados por desenvolvedores e gestores técnicos:
Caso 1: Criação e Validação de Microtemplates de Interface
Ao construir componentes de UI (como cards de planos de assinatura, banners de conversão ou formulários em React/Tailwind), designers e programadores lidam com dezenas de iterações de layout.
- O agente gera quatro microtemplates com diferentes hierarquias visuais e distribuições de espaçamento.
- O AR Board exibe o resumo visual e estrutural no terminal.
- O operador rapidamente aprova a opção com melhor densidade de informação e rejeita as demais com marcações como “muito espaçamento vertical” ou “contraste insuficiente no botão primário”.
- Em menos de dois minutos, o componente definitivo é persistido no projeto.
Caso 2: Estratégias de Refatoração e Arquitetura de Código
Refatorar um módulo legado monolítico envolve riscos consideráveis. Uma decisão errada quebra contratos de API existentes.
- O Claude Code recebe o módulo legado e produz três estratégias: uma focada em Adapter Pattern, outra em decomposição modular direta e uma terceira via Event-Driven.
- O desenvolvedor revisa a complexidade ciclomática e o acoplamento de cada uma através do AR Board.
- A decisão tomada registra formalmente o porquê de uma abordagem ter sido escolhida em detrimento das outras para o contexto daquele repositório.
Caso 3: Geração de Casos de Teste e Cobertura de Borda
Criar suites completas de testes unitários e de integração exige pensar em cenários extremos que frequentemente passam despercebidos.
- O agente varre a função de negócio e propõe um conjunto de 10 casos de teste agrupados em categorias.
- O AR Board permite que o engenheiro aprove os cenários críticos e descarte testes redundantes que apenas aumentariam o tempo de execução do pipeline de CI/CD sem agregar valor à confiabilidade.
Caso 4: Padronização de Mensagens de Commit e Documentação Técnica
Manter changelogs e documentação de APIs sincronizados com a evolução do código costuma ser negligenciado.
- Durante o fluxo de entrega, o agente propõe a documentação interna e as mensagens semânticas de commit.
- O AR Board atua como o filtro final que garante consistência no tom de voz técnico da documentação e alinhamento às convenções do repositório antes de qualquer push.
O Diferencial Estratégico: Treinando Agentes pelas Preferências do Engenheiro
O benefício imediato do AR Board é a velocidade. No entanto, o benefício acumulado ao longo das semanas é o que realmente separa desenvolvedores amadores de engenheiros sêniores de IA: o refinamento contínuo das regras do agente (Agent Training by Preference).
A Filosofia de “Fixar na Fonte”
Existe uma máxima fundamental no desenvolvimento auxiliado por agentes: se você precisou corrigir o agente sobre a mesma preferência duas vezes, o erro não é do modelo, mas da falta de memória persistente da sua ferramenta.
Sempre que uma decisão no AR Board resulta em rejeição com aprendizado claro, o protocolo da skill executa uma ação de governança:
- A preferência ou restrição é consolidada e gravada no arquivo de instruções do projeto (como o arquivo
CLAUDE.mdou documentações de convenção interna). - Nas execuções seguintes, o agente consome essa regra como verdade canônica antes de formular qualquer nova hipótese de código.
- O agente deixa de cometer erros recorrentes de estilo, bibliotecas legadas ou arquiteturas proibidas pela equipe.
Esse processo cria um efeito composto de produtividade (compounding productivity): com o passar do tempo, a taxa de aprovação no AR Board salta de 50% nas primeiras execuções para mais de 90%, já que o modelo internalizou os gostos e diretrizes específicos do desenvolvedor ou da empresa.
Integrando o Conceito com o Arquivo de Contexto do Projeto
Para que o AR Board alcance seu potencial máximo no Claude Code, a ponte entre o painel de decisões e a memória de longo prazo deve estar devidamente mapeada no arquivo CLAUDE.md na raiz do repositório.
Abaixo, destacamos como estruturar essa governança em tópicos claros no seu projeto:
- Definição de Diretrizes Imutáveis: Mantenha no
CLAUDE.mdas regras inegociáveis de tecnologia (versões de runtime, frameworks de teste obrigatórios, padrões de linting). - *Seção de Padrões Aprendidos (Learned Preferences):* Crie uma seção reservada para ser alimentada pelas decisões do AR Board. Sempre que um padrão de microtemplate ou convenção de nomenclatura for aprovado reiteradamente, registre-o como convenção oficial.
- Roteiro de Decisão do Agente: Instrua explicitamente o modelo para que, antes de sugerir soluções para tarefas complexas ou com múltiplos caminhos visuais/arquiteturais, ele acione o formato de AR Board em vez de cuspir alterações unilaterais em arquivos de produção.
O Futuro do Trabalho com Agentes Autônomos de Linha de Comando
A rápida aceitação do Claude Code e a criação de skills customizadas mostram que a programação no terminal não está morta; pelo contrário, está mais viva e sofisticada do que nunca. O terminal deixou de ser apenas o local de compilar binários e gerenciar pacotes para se tornar o centro de comando de agentes inteligentes de software.
Profissionais e empresas que aprenderem a arquitetar protocolos de interação eficientes — como o AR Board — colherão vantagens competitivas exponenciais. Eles não apenas produzem software em uma fração do tempo habitual, mas também constroem agentes de IA proprietários, altamente calibrados para sua cultura de engenharia e com capacidade de autoaperfeiçoamento constante.
💬 Participe da Discussão: Você já utiliza o Claude Code em seus projetos diários ou ainda depende de chats convencionais e IDEs com completadores simples? Como você gerencia as preferências e convenções arquiteturais dos seus agentes de IA? Deixe seu comentário e compartilhe sua experiência com nossa comunidade técnica!
Assista à Demonstração Prática Completa
Acompanhe todos os detalhes, etapas práticas e testes na íntegra no player de alta definição abaixo:
Leituras Recomendadas no Portal
- OpenAI baniu contas que usavam ChatGPT para ajustar artigos e gerar comentários nas
- Paperclip IA: Como Criar Sua Empresa com Zero Humanos (open Source)
- Destaque: IA continua fazendo merda em 2026
Perguntas Frequentes (FAQ)
O que é o Claude Code e como ele se diferencia de extensões de chat convencionais?
O Claude Code é uma ferramenta de linha de comando desenvolvida pela Anthropic focada em autonomia de engenharia de software. Diferente de chats ou extensões laterais de IDE que apenas respondem perguntas ou sugerem linhas isoladas, o Claude Code consegue inspecionar o repositório inteiro, executar comandos no terminal, rodar testes, resolver conflitos de Git e aplicar modificações complexas diretamente no sistema de arquivos.
O que é exatamente um AR Board (Approve/Reject Board)?
Trata-se de uma skill ou fluxo padronizado de interação no qual o agente gera múltiplas opções estruturadas para uma tarefa e as submete a um painel de aprovação ou rejeição rápida. O objetivo é eliminar o vaivém textual moroso entre o desenvolvedor e a IA, permitindo decisões em lote com baixa fricção.
Como o AR Board ajuda a treinar os agentes de IA na prática?
O diferencial do método está no pós-decisão: toda vez que uma opção é rejeitada com um apontamento do desenvolvedor (exemplo: escolha inadequada de biblioteca ou formato visual fora do padrão), essa justificativa é documentada e incorporada às regras de contexto do projeto (como o arquivo CLAUDE.md). Dessa forma, nas próximas execuções, o agente não repete o mesmo equívoco.
Quais tipos de tarefas se beneficiam mais dessa abordagem?
O AR Board é ideal para tarefas que envolvem múltiplos caminhos válidos e alta sensibilidade a preferências humanas. Entre os principais exemplos estão: geração de microtemplates visuais (UI), escolha de abordagens de refatoração arquitetural, seleção de casos de teste de borda e formulação de documentação técnica e mensagens de commit.
É necessário ter conhecimentos avançados de programação para usar essa skill?
Para extrair o valor máximo do Claude Code e de skills como o AR Board, é altamente recomendável ter familiaridade com terminal, Git e conceitos de arquitetura de software. O agente executa comandos diretamente na máquina do usuário, de modo que entender o que está sendo aprovado é fundamental para a segurança e qualidade do repositório.
O uso do AR Board aumenta o consumo de tokens na API da Anthropic?
Por gerar variações em lote, a chamada inicial pode consumir ligeiramente mais tokens de saída do que uma resposta isolada. No entanto, a redução dramática no número de correções subsequentes e de conversas truncadas compensa amplamente esse custo, resultando em um consumo líquido mais eficiente e em economia significativa de tempo de desenvolvimento.
Artigo redigido e expandido por Rodrigo Batista para o portal IA na Prática Digital, com base nas demonstrações práticas do canal Maestros da IA.
Faça parte dos nossos grupos exclusivos no WhatsApp e Telegram!
Entre nos grupos oficiais de Achadinhos & Ofertas para receber cupons testados, promoções relâmpago da Shopee e Mercado Livre com até 80% de desconto e novidades de inteligência artificial em primeira mão direto no seu celular:
