O que mais ajuda no Claude Code é o arquivo CLAUDE.md. Coloca ali a stack, a estrutura dos arquivos e os bugs conhecidos, e deixa curto. É a memória do projeto. Sem isso, ele esquece o contexto no meio do caminho e começa a se contradizer.
Dado curioso do AI Index de Stanford: os EUA constroem quase todos os grandes modelos e ficam em 24º em adoção, só 28% dos adultos usam. Emirados e Singapura lideram porque focaram em espalhar o uso, não em criar. Construir e usar são jogos diferentes.
Detalhe do Claude que quase ninguém nota: cada mensagem faz ele reler a conversa toda, então o custo sobe a cada resposta. Em vez de mandar follow-up, edita o prompt original. E deixa o Opus pro que é difícil mesmo. O resto o Sonnet resolve.
A maioria das empresas coloca agente em qualquer processo e acha que resolveu. Os casos que dão retorno têm algo em comum: o modelo é alimentado com exemplos bons do que já funciona. Sem esse dado por trás, o agente só escreve genérico mais rápido.
A Anthropic liberou uma trilha grande de cursos gratuitos sobre Claude, MCP e agentes. Não precisa fazer os 18. Pega o Claude 101 e o de MCP pra entender como dar contexto de verdade pro modelo. O resto é nicho.
Agente de IA pra marketing só vira texto sem alma quando você não dá contexto. Marca, público, oferta e os textos que já funcionaram precisam virar arquivo que o agente lê antes de escrever. Tática envelhece rápido, então vale ter um ciclo de pesquisa por trás.
Antes a cópia chinesa era só do modelo. Agora clonam o app inteiro que roda em cima dele, interface igualzinha à do Codex. A vantagem de ter o melhor modelo dura cada vez menos quando dá pra replicar a experiência em poucas semanas.
SaaS vendia software pra sua equipe fazer o trabalho. Negócio de agente vende o trabalho já entregue. A parte boa nem é a tecnologia, é achar um fluxo que já tem alguém pagando pra resolver e começar rodando na mão antes de automatizar.
Para um agente conseguir tocar parte da operação, a empresa precisa estar documentada de um jeito que ele entenda: dados, processos, regras de preço e permissões num lugar só. O trabalho braçal não é treinar a IA. É deixar a empresa legível.
Boa regra pra quem usa vários modelos: não gaste o mais caro reheatendo sobra. Deixe o modelo top só pra tarefa que precisa mesmo da janela gigante de contexto, tipo jogar um código inteiro ou meses de transcrição num prompt só. O resto roda em modelo barato.
Vi gente sugerindo trocar o Duolingo por um chat de IA pra aprender idioma. O ponto bom é montar lições em cima do seu contexto. O ruim é perder a constância que o app força. Funciona se a pessoa tiver disciplina sozinha, o que é justamente o problema de muita gente.
Tem gente tratando agente de IA como o novo SaaS: empacotar, vender, escalar. A lógica de venda até se parece. Mas SaaS resolvia um problema claro e cobrava por isso. Antes de vender o agente, vale checar se ele resolve algo que a pessoa pagaria pra resolver.
A ideia de que companhias aéreas calculam quanto cada pessoa aceita pagar não é nova, mas com IA fica mais fino. Usar uma IA do seu lado pra comparar rotas e datas ajuda, só não espere milagre contra o sistema de preços deles.
Acesso aos modelos mais fortes está ficando restrito, mas isso muda pouco no dia a dia. Os modelos que já estão na mão dão conta de quase todo trabalho que gera receita. Um modelo 15% mais afiado não resolve quem ainda não escolheu o que quer fazer com ele.
Tem gente usando Claude pra escrita, marketing e decisão, e deixando os modelos da OpenAI só pro código. Faz sentido: cada um pegou uma força. Em vez de escolher um modelo fixo, talvez valha trocar conforme a tarefa.
O Claude Design melhorou bastante, mas lançaram como recurso separado na web. Faria mais sentido como plugin do app desktop, junto do que a pessoa já usa. Recurso bom no lugar errado também atrapalha a adoção.
Acesso a LLM, agente e pesquisa avançada hoje custa menos que uma assinatura de streaming. O gargalo deixou de ser ferramenta. Virou saber para quem vender e que problema resolver. Quem só acumula ferramenta sem oferta clara não sai do lugar.
Tem ferramenta de IA que te coloca em modo de trabalho sério, onde cada ação pesa. E tem o chat de pergunta rápida, que você abre e fecha sem pensar. São estados mentais diferentes. Juntar essas duas experiências numa marca só não parece simples.
Bom lembrete sobre o hype dos modelos novos: nota de benchmark e comportamento dentro de um agente real são coisas diferentes. Um modelo pode brilhar na tabela e travar quando precisa encadear várias ações sozinho. Testa no seu fluxo antes de acreditar no card.