Ambiente de Desenvolvimento e Infraestrutura para IA

Há duas formas de usar o Claude sem sair do faturamento do Google Cloud: a versão gerenciada pelo Google, que o Google opera como parte do Agent Platform (antigo Vertex AI), e a versão gerenciada pela Anthropic, em disponibilidade geral desde 22 de outubro de 2026. O Claude Code roda na versão gerenciada pelo Google e é configurado com CLAUDE_CODE_USE_VERTEX e ajustes relacionados (se for distribuir para várias pessoas, recomenda-se fixar os modelos). Se você precisa da Files API, Agent Skills, Managed Agents, modo rápido e recursos semelhantes, escolha a versão gerenciada pela Anthropic. No endpoint global da versão gerenciada pelo Google, o Opus 5.5, o Sonnet 5.5 e o Haiku 5.5 custam o mesmo que na API do Claude, enquanto as multirregiões us e eu custam 1,1 vez. A versão gerenciada pela Anthropic é medida em CCU, e a documentação oficial não traz tabela de preços por token. Com base na documentação oficial (consultada em 26 de outubro de 2026), este artigo explica as diferenças e como escolher, os preços, as regiões, os primeiros passos, os SDKs, a configuração do Claude Code e como lidar com cotas e erros 429.

Se a API do Claude mostrar "`temperature` is deprecated for this model.", a causa é enviar temperature, top_p ou top_k com valor diferente do padrão para modelos Claude 4.7 ou posteriores, e remover esses três parâmetros resolve. Com a nova versão de API 2026-10-21, esses valores geram erro 400 em qualquer modelo, mesmo com o padrão, e o SDK Python anthropic 2.0.0 e posteriores envia essa versão automaticamente, então o código que ainda passa os três parâmetros falha ao atualizar o SDK. O artigo explica os dois cenários de erro, como localizar esses parâmetros no código, as versões de SDK, as mudanças que costumam acompanhar a correção e o erro próximo "anthropic-version: header is required", com base na documentação oficial da Anthropic (consultada em 26 de outubro de 2026).

Este guia reúne as causas e soluções para quando o Codex fica lento ou pesado, organizadas por sintoma. Se a resposta da IA demora, reduza o raciocínio (reasoning effort) conforme a tarefa, use um modelo mais leve ou o modo rápido (o Fast consome 2,5 vezes a cota), abra um novo thread para cada tarefa, desative os servidores MCP não usados com enabled = false e atualize a CLI; se o app fica travado, atualize e reinicie (no Windows, um problema foi corrigido na v26.825.32147) e arquive as tarefas recorrentes que não são mais necessárias, pois elas acumulam worktrees. No WSL, mantenha os arquivos no sistema Linux para acelerar os comandos. As informações vêm principalmente da documentação oficial da OpenAI e das respostas da equipe no GitHub, verificadas em 25 de outubro de 2026.

Ao preparar o destino, o Windows desmontou toda a unidade e afetou Docker e Unity. Reconstruímos a sequência e recuperamos o mecanismo sem excluir dados.

Colocamos o aplicativo e seus dados principais em D e mantivemos os ambientes ativos em C. O que copiamos, movemos e verificamos.

Mostra como colocar o Codex e o Claude Code em modo somente leitura no app, na IDE, no Desktop, no VS Code, na Web, no celular e na CLI. Você entende a diferença entre somente leitura e Plan, o alcance das configurações, as restrições de ferramentas, os pedidos prontos para usar e como conferir as diferenças. O texto também indica o que continua possível, como a leitura de segredos e as mudanças em serviços externos.

Entenda a diferença entre negação de leitura, separação do ambiente, aprovações e rede no Codex. O artigo traz um exemplo de perfil de permissões, regras para arquivos .env, variáveis de ambiente, limites de cada sistema operacional e como testar a negação com arquivos fictícios.

Dá para entregar o desenvolvimento às sessões na nuvem do Claude Code sem abrir um novo caminho até a produção: mantenha o código em um repositório privado do GitHub, instale o Claude GitHub App só nesse repositório e faça o servidor de produção apenas puxar o código com uma deploy key somente leitura. Este artigo é o meu registro de quando comecei a usar as sessões na nuvem em um projeto de desenvolvimento separado, em 4 de outubro de 2026, conferido com o texto original da documentação oficial nessa data. Ele explica que o claude --cloud sem GitHub envia o histórico de todas as branches mais as alterações não commitadas em arquivos rastreados (no Windows, seja qual for o nome do arquivo), como resolver quando outra conta do GitHub está conectada, o "Only select repositories" e por que repositórios públicos aparecem na lista, por que criar um ambiente novo para cada projeto, já que quem usa um ambiente consegue ler as variáveis de ambiente dele, que os arquivos locais ficam invisíveis e que o Accept edits na nuvem para em cada comando enquanto o Auto segue em frente, tudo reunido em um checklist para antes de começar. Também traz um caso real em que uma única instrução executada de forma autônoma consumiu US$ 226 do crédito por tempo limitado antes de eu mandar parar no meio, por que o crédito acaba tão rápido e formas de reduzir o custo.

Se as suas conversas no Claude Code são usadas para treinar modelos de IA depende do seu plano e da configuração da sua conta. Nos planos de consumidor Free, Pro e Max, seus dados só são usados para treinamento enquanto a configuração de melhoria do modelo, nas configurações de privacidade do claude.ai, estiver ativada (guardados por 5 anos), e desativá-la interrompe o treinamento (guardados por 30 dias). A configuração pertence à sua conta, então não é preciso mudar arquivos de configuração no computador onde o Claude Code roda. Com base no texto original da página "Data usage" da documentação do Claude Code, do Privacy Center da Anthropic e da página "API and data retention" do Claude Platform em 4 de outubro de 2026, este artigo mostra onde fica a configuração e como desativá-la, por que desativar não remove seus dados de treinamentos anteriores, como são tratados as avaliações 👍👎, o /feedback e as conversas sinalizadas como violação da política, e o treinamento e a retenção por plano, incluindo Team, Enterprise, a API e o Bedrock. Também explica que as entradas e saídas da API não são usadas para treinamento por padrão e são excluídas em até 30 dias, o que o ZDR cobre e por que Covered Models como o Fable exigem 30 dias de retenção, as variáveis de ambiente que param as métricas de uso e os relatórios de erro enviados à parte do treinamento, as transcrições guardadas em texto puro no seu próprio computador e como escolher a configuração para trabalho confidencial.

O /doctor prompt-audit do Claude Code (o /checkup prompt-audit é o mesmo) faz o Claude ler o CLAUDE.md, o CLAUDE.local.md, o AGENTS.md e as regras, skills, comandos e subagentes de .claude/, procurar prompting escrito para modelos antigos, referências a arquivos ou comandos que não existem e instruções que se contradizem, e devolver um relatório com diffs sugeridos. Nada muda até você pedir, e ele exige a v2.1.283 ou posterior. Com base na documentação oficial e no CHANGELOG consultados em 3 de outubro de 2026 e no guia de auditoria embutido no Claude Code, este artigo mostra como executá-lo e restringi-lo com um caminho, o que ele considera desatualizado (texto enfático demais, caminhos inexistentes, conflitos entre arquivos e mais), sua regra de não apagar contexto nem proibições que existem por um motivo, os seis campos do relatório e como ler os níveis de confiança, e como ele difere do /doctor, do /claude-api prompt-audit e do comando claude doctor do terminal. Também conta o que aconteceu quando o rodamos nos arquivos de instruções deste site (7 de 9 apontamentos aplicados, entre eles uma divergência real: uma explicação que esquecemos de reescrever depois de adicionar uma regra) e cuidados como o consumo da cota de uso, a variação entre execuções e o trabalho de conferir os apontamentos antes de aplicá-los.

O /code-review do Claude Code é uma skill embutida que lê os commits à frente do upstream mais as mudanças não commitadas (ou um PR, branch ou caminho que você passar), procura bugs de correção e os relata. O /review é um alias, a revisão roda como subagente em segundo plano e o custo conta como uso normal. Este artigo mostra como passar um alvo, como escolher entre low (só achados de alta confiança) e de medium a max (cobertura maior, mas é preciso separar os resultados), a regra de que omitir o nível reutiliza o último que você digitou, o cuidado de que as edições do --fix feitas em segundo plano não podem ser desfeitas com o /rewind, e onde o --comment publica no GitHub e no GitLab. Também explica o ultra, em que vários agentes na nuvem devolvem só achados verificados (cerca de 15 a 25 minutos; 3 execuções grátis únicas no Pro e no Max e, depois, normalmente de US$ 5 a US$ 25 por execução em créditos de uso), e em que o /code-review difere do /simplify, do /security-review, do Code Review do app do GitHub e do claude-code-action, com base no texto original da documentação oficial e do CHANGELOG em 2 de outubro de 2026 (a descrição dos níveis, em 14 de outubro). Por fim, traz o resultado de rodar uma vez o /code-review high no código da ferramenta de verificação de imagens de IA deste site (9 de 10 achados eram bugs reais, todos corrigidos) e as desvantagens, como o consumo de uso, o trabalho de conferir os achados e como desfazer o --fix.

Mandei o Projects do Claude Code (beta público) construir um site inteiro para consultar quanta memória os LLMs locais exigem. Da criação ao último merge foram cerca de 20 horas: 10 threads, 11 PRs, cerca de 23 mil linhas e cerca de 190 milhões de tokens (97,7% deles leituras de cache). Durante a noite, três tarefas avançaram em paralelo, as threads se coordenaram entre si por meio do coordenador e, quando troquei as instruções para deixar tudo por conta dele, ele passou a decidir sozinho as próximas tarefas. Por outro lado, ninguém criou a lógica que decide "isto pode ser publicado?" na fronteira entre as threads da coleta de dados e das páginas, e a produção mostrava zero modelos. Os dados reais também revelaram bugs que os testes com dados de exemplo nunca mostraram, e a publicação num servidor acessível só por SSH travou. Registro tudo com medições: os tropeços para começar, a diferença entre aprovar cada passo e deixar por conta dele, como o crédito de configuração foi consumido e para que tipo de trabalho ele serve ou não.