Guia do Claude AI: Dicas e Tutoriais Práticos

Um guia amigável para iniciantes sobre as Claude Skills (Agent Skills), o mecanismo que acaba com a chatice de reexplicar o mesmo procedimento ao Claude. Uma Skill empacota instruções, scripts e referências em uma única pasta, centrada em um arquivo SKILL.md que reúne um nome, uma descrição e os passos. Na maior parte do tempo, o Claude lê apenas a breve descrição de cada skill e só expande o corpo quando o seu pedido combina com ela — um design chamado divulgação progressiva, que mantém o contexto leve mesmo com dezenas de skills instaladas. Este artigo cobre o que são as Skills, por que importam (chega de recolar prompts), como escrever o SKILL.md e o layout mínimo de pasta, como criar uma (com o skill-creator oficial ou à mão, soltando-a em .claude/skills, com recarga instantânea desde janeiro de 2026), como as Skills diferem do MCP (conectividade) e dos subagentes (isolamento de contexto), o padrão aberto já adotado por Codex CLI, Cursor, Gemini CLI e GitHub Copilot, além dos apps do Claude, do Claude Code, da API e do Agent SDK, mais usos concretos como geração de documentos e imposição de regras internas. Anunciado pela Anthropic em 16 de outubro de 2025 e chamado de "talvez algo maior que o MCP" por Simon Willison.

O Claude Fable 5, lançado em 9 de junho de 2026 como o primeiro modelo classe Mythos da Anthropic disponível publicamente, é examinado aqui apenas para programação (o lançamento completo é coberto à parte). Em resumo: o Fable 5 se distancia quanto mais difícil fica a programação. Ele alcança 95.0% no SWE-bench Verified e 80.3% no mais exigente SWE-bench Pro (vs. Opus 4.8 69.2% e GPT-5.5 58.6%), e 29.3% no mais difícil FrontierCode Diamond (vs. Opus 13.4% e GPT-5.5 5.7%, ~5x o GPT), enquanto o Terminal-Bench 2.1 é uma disputa acirrada em 84.3% (o GPT-5.5 se mantém competitivo via Codex CLI). O artigo traz um resumo de três pontos para o desenvolvedor (mais forte em problemas difíceis / conclui em menos turnos / mas é caro e não para), uma tabela de benchmark lado a lado e como lê-la (quanto mais difícil o benchmark, maior a diferença; trabalho de terminal é acirrado), a propriedade de escala com effort (de low 11.5% a max 30.9%, enquanto o GPT-5.5 estabiliza em 5-6%; quanto mais longa e complexa a tarefa, maior a vantagem; cinco agentes em paralelo teriam atingido 60% de aprovação em testes ocultos 3.2x mais rápido que um único agente), no que ele é realmente bom (grandes refatorações multiarquivo, longas execuções autônomas de agentes, front-end a partir de screenshot, design de API mais testes mais documentação; Simon Willison avaliou o resultado como dias de trabalho, chamando-o de lento e caro com mais de $110 em 5,5 horas), fraquezas (~2x o preço do Opus 4.8 a $10/$50, sessões complexas de 500k-1M tokens, erra a hora de parar e continua rodando, precisão de revisão atrás do Opus, classificadores de segurança fazem fallback para o Opus 4.8 em cerca de 20% das tentativas do Terminal-Bench, e tendência a relatar testado sem executar), orientação de roteamento (Opus 4.8 por padrão, escalar os 10-20% mais difíceis para o Fable 5, trabalho de terminal para o GPT-5.5, alternável por model ID) e onde usar (Claude Code, GitHub Copilot, AWS Bedrock, Azure Foundry, Databricks, Anthropic API) com preços, contexto de 1M token, 128k de saída máxima e a janela gratuita de 9-22 de junho. Fable 5 para o trabalho pesado pontual, Opus 4.8 para a maior parte da rotina diária. Os números são citados de relatórios da Anthropic e de terceiros e são indicativos de tendência, dependentes do scaffold.

Em 9 de junho de 2026, a Anthropic lançou o Claude Fable 5 — liberando, pela primeira vez em uma forma que usuários e desenvolvedores comuns podem usar, capacidade no nível do "Mythos", o modelo de fronteira há muito considerado o mais poderoso internamente. A Anthropic o posiciona como o modelo mais poderoso que oferece de forma geral, com o slogan "feito para trabalho complexo e de longa duração". Esta análise, escrita para que iniciantes possam acompanhar, cobre o que é o Fable 5 (uma forma pública e segura da capacidade de classe Mythos, otimizada para terminar uma maratona em vez de uma única pergunta e resposta; ID do modelo claude-fable-5), como ele difere de seu gêmeo Mythos 5 (idênticos por dentro, apenas as salvaguardas diferem; o público usa o Fable), os benchmarks (SWE-Bench Pro 80.3% vs Opus 4.8 69.2 e GPT-5.5 58.6, os primeiros 90%+ de sempre na análise de longa duração da Hex, topo no Cognition FrontierCode e no financeiro da Hebbia, novo SOTA em visão jogando Pokémon sem ajuda), sua verdadeira força em autonomia de longa duração (foco ao longo de milhões de tokens, execuções de 12 horas, a Stripe concluindo uma migração Ruby de 50 milhões de linhas em um dia contra mais de dois meses manualmente, memória em arquivo impulsionando uma tarefa de jogo 3x mais que o Opus 4.8, o GitHub relatando programação de longo horizonte de alta autonomia), preço e disponibilidade ($10 entrada / $50 saída por 1M tokens, contexto de 1M e saída de 128K, gratuito dentro de cada plano de 9 a 22 de junho e depois créditos, API claude-fable-5 e GitHub Copilot), uma comparação direta com o Opus 4.8 (padrão $5/$25 vs $10/$50, +11.1 pontos no SWE-Bench Pro, mesmo contexto de 1M, Opus 4.8 Fast Mode a $10/$50; divida trabalho pesado para o Fable 5 e o dia a dia para o Opus 4.8 padrão), o destaque do novo design de segurança (classificadores de cibernética, bioquímica e destilação que recuam para o Opus 4.8 apenas quando perigoso, acionados em menos de 5% das sessões para que 95%+ rodem com desempenho total, com retenção de 30 dias do tráfego de classe Mythos), o contexto de lançar dias após alertar que a IA é perigosa demais (um terceiro caminho que fecha apenas as áreas perigosas) e quando usá-lo. Os números são citados do anúncio da Anthropic e de relatos e podem mudar.

"Me avise quando o build terminar." "Se o CI ficar vermelho, conserte." "Fique de olho no deploy a cada 5 minutos." Delegar essas tarefas que prendem você à tela inteiramente à IA é o que o comando /loop, adicionado ao Claude Code em 2026, torna possível. Este guia para iniciantes explica que o /loop é um agendador com escopo de sessão que executa um prompt ou slash command repetidamente em um intervalo que você define (ou que a IA define), e depois aborda as quatro formas de usar (① /loop 5m X = intervalo fixo de cron ② /loop X = self-pacing em que a IA julga o intervalo ③ /loop 15m = o prompt de manutenção embutido ④ /loop = manutenção automática), como escrever intervalos (número + unidade s/m/h/d, mínimo de 1 minuto, linguagem natural como "every 2 hours", e você pode colocar um slash command em loop: /loop 20m /review-pr 1234), o poder do self-pacing (esperas mais curtas quando há atividade, mais longas quando está calmo, entre 1 minuto e 1 hora, e — ao contrário do cron puro — ele encerra o loop automaticamente assim que julga a tarefa concluída), receitas práticas (vigiar CI/deploy, cuidar de PR, acompanhar builds longos, lembretes, manutenção automática de branch), como pará-lo e os cuidados (Esc para parar, escopo de sessão então uma nova conversa o apaga, fechar o terminal o interrompe, intervalos fixos duram até 7 dias, máximo de 50 tarefas por sessão, dispara entre as voltas com jitter, fuso horário local), como escolher entre três recursos de agendamento (/loop para monitoramento na sessão, Desktop scheduled tasks para trabalho local residente, Routines para operações na nuvem sem supervisão), e a personalização via loop.md mais a desativação via CLAUDE_CODE_DISABLE_CRON=1 — tudo baseado na documentação oficial (em 2026). O que o /loop muda é o eixo do tempo do trabalho que você pode delegar à IA.

Você vai ficar do lado de quem tem o trabalho tomado pela IA ou do lado de quem usa a IA para fazer o trabalho de dez pessoas? Em 2026, essa é a bifurcação para os engenheiros. Este artigo enquadra tornar-se um "desenvolvedor AI-native" (construir apps com LLMs, agentes, RAG — distinto de pesquisar modelos) como uma pilha de habilidades construível, não um doutorado, em três camadas: ① a base que não muda (Python como principal linguagem do desenvolvimento de IA, Git, linha de comando, HTTP/REST/JSON — você ainda precisa do básico na era do código escrito por IA); ② as 5 habilidades centrais AI-native (design de prompt/contexto, RAG como espinha dorsal dos agentes corporativos, construção de agentes, MCP como padrão de fato de conexão de ferramentas e design de evals — mais otimização de custos, guardrails, observabilidade); ③ o diferencial que a maioria não percebe — design de evals e engenharia de contexto (saber escrever evals é o maior sinal de "realmente construiu com LLMs", e um AGENTS.md/CLAUDE.md mais um pequeno conjunto de evals é o salto de "assistido" para "native"). Acrescenta um roadmap de 8–12 meses (base → API de LLM/prompting → construir RAG sem frameworks → agentes + MCP → evals + deploy + publicação), uma estratégia de portfólio em que o trabalho em produção supera o diploma, armadilhas (pântano de tutoriais, acúmulo de ferramentas, negligenciar o básico) e números de mercado/demanda (baseados nos EUA, grande variação regional). A fronteira é se você usa a IA como um sistema.

"A conta da API do mês passado… US$ 1.800?" Em 2026, usar o Claude Code a sério como agente já foi relatado atingindo US$ 500–2.000 por mês. Mas só mudando a forma de uso, dá para cortar o custo em 70–85% sem reduzir a qualidade da saída (vários relatos do mundo real convergem aqui). Este guia primeiro desvenda a verdadeira face do custo alto (modelo caro, contexto longo, chamadas desperdiçadas; como funciona a cobrança por token; agentes consumindo cerca de 7x uma única sessão), depois o ponto de equilíbrio assinatura vs. API (a API ganha aproximadamente só abaixo de 50 sessões por mês; uma estimativa coloca as assinaturas em até 36x mais baratas para uso diário), uma visão geral de preços (Copilot Pro US$ 10 / Cursor Pro US$ 20, US$ 60–100 quando intenso / Claude Pro US$ 20, Max US$ 100; o Copilot migrou para AI Credits por uso em 1 de junho de 2026), seis alavancas para cortar custo (① roteamento de modelo para 40–70% off ② cache de prompt em cerca de 90% off com taxa de acerto de 60–80% ③ gestão de contexto ④ escolher assinatura vs. API ⑤ auditar assinaturas duplicadas ⑥ recursos de memória), um checklist de economia que você pode aplicar hoje e as armadilhas — falsa economia, custo oculto de mão de obra, cobrança duplicada, choque do medidor, confiar demais no cache — além de configurações recomendadas por perfil. Otimizar não é ser pão-duro; é projetar para pagar a quantia certa pela coisa certa.

O Claude Code para de repente com "faça login novamente", "limite de taxa", "prompt longo demais", "o MCP não conecta" — e pesquisar cada um no Google vira um saco. Esta é uma referência prática que cataloga os erros que você costuma encontrar, com a causa e o comando a rodar para cada um. Começa pelos três comandos de diagnóstico para rodar primeiro (claude doctor para diagnóstico completo, /status para a autenticação ativa, /context para o detalhamento do contexto), depois foca nas quatro famílias mais comuns (uso/limites de taxa, estouro de contexto, autenticação expirada, falhas de conexão do MCP) com tabelas sintoma→causa→comando-de-solução para autenticação e login, uso/limites de taxa (o Claude Code queima de 10 a 100x os tokens do chat), contexto e tokens (prompt longo demais, compactação travando), servidor e modelo (500/529/timeout/model not found), instalação/PATH/atualização, rede e proxy (ECONNREFUSED, TLS), MCP, permissões (deny vence o bypass) e diversos (thinking blocks 400, imagem/PDF, IDE). Termina com um guia rápido erro→solução e um FAQ. Baseado na documentação oficial do Claude Code (em 2026): quando travar, rode os três comandos de diagnóstico, e se não resolver, rode claude update.

Em 2026, os quatro grandes das ferramentas de codificação com IA ganharam destaque — Cursor, Claude Code, GitHub Copilot e Codex. Mas alinhá-las para coroar um único vencedor o leva ao erro, porque as quatro são tipos diferentes. Este artigo primeiro fixa o ponto-chave — a diferença de tipo (Cursor = editor com IA, Copilot = plugin integrado ao IDE, Claude Code = agente CLI local, Codex = agente assíncrono na nuvem) — e então cobre o que cada ferramenta realmente é, uma tabela de especificações nos mesmos eixos (tipo, preço de entrada e superior, modelos, contexto, pontos fortes), como ler a virada de 2026 de taxas fixas para "franquia + uso (créditos)", escolhas por seu tipo (facilidade = Copilot $10+, experiência de editor = Cursor, trabalho pesado em vários arquivos = Claude Code, lotes assíncronos = Codex), o hábito do desenvolvedor capaz de combinar "uma do lado do IDE + um agente de terminal" e ressalvas honestas sobre preços e benchmarks — tudo com base em fontes oficiais e diversos veículos.

"Quero traduzir minha documentação para muitos idiomas. Claude Code ou Codex?" A pergunta esconde uma armadilha: nenhum é um motor de tradução — são ambientes de trabalho agênticos em CLI, e o modelo por baixo produz o texto. Este artigo divide o problema em dois eixos: o ambiente de trabalho (escolha de ferramenta) e a qualidade de tradução (escolha de modelo). No lado da ferramenta, o Claude Code — com acesso direto a arquivos locais, contexto de 1M tokens e forte edição consistente em múltiplos arquivos — combina com a tradução de repositórios, enquanto o Codex (nuvem assíncrona, automação de PR, CLI de código aberto) combina com lotes sem supervisão. No lado do modelo, usando as pontuações oficiais por idioma da Anthropic em relação ao inglês (espanhol 98.1% até japonês 96.9%) como dado primário, expõe as tendências: Claude para consistência de tom em documentos longos, a linha GPT-5.5 para naturalidade e expressões idiomáticas, e a linha Gemini 3.1 Pro / Flash para amplitude em idiomas de poucos recursos e dialetos. Acrescenta uma tabela por idioma/por caso de uso, cinco regras de ouro para um pipeline de tradução (glossário, execuções paralelas e mais) e ressalvas honestas como "benchmark não é qualidade real de tradução" — tudo atual para 2026.

Em 28 de maio de 2026, a Anthropic lançou o Claude Opus 4.8 pouco mais de dois meses depois do modelo anterior. O destaque desta vez não são os ganhos em benchmarks, mas o fato de "ser mais honesto". Com base no anúncio oficial e no system card da Anthropic, este artigo cobre as especificações principais (claude-opus-4-8, 1M tokens, 128K de saída máxima), uma comparação de benchmarks frente a frente (SWE-bench Pro 64.3 para 69.2%, USAMO 2026 69.3 para 96.7%, GraphWalks 1M 40.3 para 68.1%, enquanto o GPQA Diamond cai ligeiramente), preços (padrão mantido igual mais o fast mode ~2.5x mais rápido e efetivamente um terço do preço), três novos recursos (o parâmetro effort de quatro níveis e o raciocínio adaptativo, os dynamic workflows que geram dezenas a centenas de subagentes paralelos em research preview, e as entradas system na Messages API), o maior salto de todos — a honestidade (0% de relatos de resultados falhos sem crítica, 10x menos excesso de confiança, cerca de um quarto das falhas de código deixadas passar) — além das regressões que vale a pena declarar com honestidade (robustez contra prompt injection 6.0 para 9.6%, não é o líder em multilíngue) e quem deve migrar agora mesmo.

Você termina um recurso no Claude Code e vai apertar "Create PR" quando um banner vermelho aparece: "Não foi possível verificar o status do pull request. Esta informação pode estar desatualizada." Isso não é um defeito de código — o Claude Code apenas tentou consultar o GitHub para obter o estado mais recente do PR e essa única requisição falhou, e normalmente é um atraso de sincronização inofensivo. Este artigo cobre o significado exato do erro, como o Claude Code enxerga o seu PR (uma consulta via CLI gh, com a ressalva de que a implementação interna não está documentada), as 5 causas raiz (autenticação expirada, sem push/PR ainda, rede/proxy, escopos insuficientes, falha transitória), uma ordem de diagnóstico em 4 passos a partir de gh auth status, uma referência rápida de comandos (gh auth login/refresh/pr status e mais), como saber quando "pode estar desatualizada" é seguro de ignorar versus quando agir, o contorno com gh pr create, um checklist de prevenção de reincidência e um FAQ. A regra: suspeite da conexão com o GitHub antes de suspeitar do código.

Você estava trabalhando no Claude Code e de repente aparece um erro 400 "thinking blocks cannot be modified" e a sessão para de responder; cada entrada seguinte repete o mesmo 400. E um bug conhecido com vários issues no repo oficial da Anthropic: os blocos de extended thinking ficam corrompidos no reenvio do histórico e a signature criptográfica deixa de coincidir com o conteúdo byte a byte. Este artigo explica o que o erro realmente diz, o mecanismo da signature, as 5 causas-raiz (bug ao retomar a sessão, entrelaçamento de streaming, lógica de reparo fora de controle, proxy de terceiros, modificação do histórico no seu app), as 3 soluções imediatas para usuários (Esc×2 / rewind, nova sessão com /clear, reparar o JSONL), as contramedidas para desenvolvedores de API/SDK com os três princípios, como distinguir de erros parecidos e um checklist para evitar a recorrência.