Configurei um projeto no Claude do zero para implementar uma funcionalidade completa

Autoria: Cortes do Rafael Quintanilha · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Configurei um projeto no Claude do zero para implementar uma feature completa · Canal: Cortes do Rafael Quintanilha · 10:47 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Claude, Engenharia de prompts e contexto, Engenharia de software com IA

Resumo

O vídeo mostra como criar um projeto no Claude para desenvolver um histórico de aulas assistidas, usando um repositório de código e documentos do Obsidian como contexto. O apresentador configura os modelos e níveis de esforço e usa o trabalho recente para sugerir uma rotina e dividir a implementação em duas frentes paralelas. Enquanto os subagents investigam o backend e as recomendações, o Claude prepara conceitos visuais para a interface, que podem ser revisados antes da implementação. Ao final, ele demonstra artefatos, threads e uma rotina semanal para gerar um resumo do engajamento nas aulas.

Pontos-chave

Projetos do Claude podem ser acessados pela web, pelo aplicativo de desktop e por dispositivos móveis; o apresentador ressalta que o recurso mostrado não está disponível no Claude Code.
O projeto é criado com o objetivo de implementar um histórico de aulas assistidas semelhante ao histórico de vídeos do YouTube.
É possível adicionar repositórios, arquivos, pastas e contexto armazenado no Obsidian.
O apresentador ajusta os modelos e os níveis de esforço do coordenador e dos subagents.
A configuração a partir do trabalho recente analisa sessões anteriores e pode sugerir um resumo semanal das aulas assistidas.
O Claude divide o trabalho em threads paralelas para investigar o histórico de aulas e sua relação com as recomendações.
A interface permite acompanhar as etapas de cada thread e revisar um artefato visual antes da implementação da UI.
O artefato apresenta três alternativas de design: lista por dia, grade e linha do tempo compacta.
As rotinas podem executar tarefas em horários programados ou ser iniciadas manualmente.

Capítulos

Início	Capítulo	Resumo
00:00	Criação do projeto e definição do objetivo	O apresentador cria um projeto para adicionar um histórico de aulas assistidas e escolhe o repositório e os documentos de contexto.
02:38	Configuração dos modelos e divisão do trabalho	Ele ajusta os modelos e níveis de esforço, usa o trabalho recente para configurar o projeto e inicia threads paralelas.
05:21	Acompanhamento das threads e revisão do design	O vídeo mostra o progresso das investigações, a preparação de um artefato para a UI e a importância de revisar o resultado em tarefas maiores.
08:37	Artefatos e rotinas agendadas	O apresentador compara conceitos visuais para o histórico de aulas e demonstra uma rotina semanal que pode ser executada no horário previsto ou manualmente.

Citações

Quero criar no meu projeto um histórico das aulas assistidas, parecido com o histórico de vídeos do YouTube. — 01:03

Ele leu as últimas 14 sessões e me recomendou um resumo das aulas assistidas toda segunda-feira. — 04:17

Isso é claramente algo para tarefas maiores; não é para tudo. — 07:01

Acho que a lista ficou melhor e, por coincidência, ela também correspondeu à recomendação. — 09:10

Conceitos e entidades

Claude Projects (ferramenta): Recurso do Claude usado no vídeo para organizar contexto, threads, artefatos e rotinas em um projeto.
Claude Code (ferramenta): Ferramenta de programação mencionada pelo apresentador, que não oferece naquele momento a interface de projetos demonstrada.
Anthropic (empresa): Empresa elogiada pelo apresentador pela interface e experiência de uso do produto.
Opus 3.5 (modelo): Modelo que o apresentador seleciona para coordenar o projeto e executar tarefas nas threads.
GPT-4o (modelo): Modelo mencionado como usado nas tarefas exibidas, com nível de raciocínio extra.
Sonnet (modelo): Modelo que o apresentador diz ser uma das opções para substituir o modelo usado nas tarefas.
Haiku (modelo): Modelo que o apresentador diz ser uma das opções para substituir o modelo usado nas tarefas.
Obsidian (ferramenta): Aplicativo de notas cujos documentos em Markdown são adicionados como contexto por meio de um repositório.
Programa AI (conceito): Programa de formação em engenharia de IA usado como exemplo para a implementação do histórico de aulas.
PERA method (conceito): Método apresentado como um processo de planejamento, execução e revisão de tarefas com agentes de IA.

Tradução completa (pt-BR)

00:00 Então, quero começar aqui iniciando um novo projeto com vocês. E, enquanto esse projeto estiver funcionando, vou mostrar outros exemplos que já fiz, certo? Bom, pessoal, estou aqui no Cloud Web, então dá para fazer isso tanto na web quanto no aplicativo para desktop, certo? Ou até no iPad ou no celular: vocês podem enviar a tarefa de qualquer interface, certo? Isso não funciona no Cloud Code; no momento, não está disponível no Cloud Code. Então vamos criar um novo projeto, certo? Vocês vão dar um nome para ele aqui, certo? Vou criar um projeto para adicionarmos ao programa um histórico de vídeos. O que é isso? Deixem-me dar um pouco mais de contexto

00:32 aqui. Certo? O “Programa AI” é meu programa de treinamento em engenharia de IA, que já foi lançado e está no ar. Ele tem a trilha AI Engineer, que atualmente inclui aulas sobre engenharia de prompt, programação agêntica e fundamentos de engenharia de IA, certo? Então, quem comprou a trilha pode adquiri-la acessando o link que estará tanto na descrição quanto no comentário fixado. Vocês podem comprar a trilha ou os cursos individualmente. Então, quem comprou qualquer curso do programa pode vir aqui e começar a assistir às aulas, certo? Há várias aulas aqui que vocês podem assistir, e

01:03 eu queria criar algo parecido com o YouTube, que tem um histórico dos vídeos que você já assistiu, por exemplo, certo? Então, vamos imaginar que queremos fazer isso e criar esse recurso dentro de um projeto no Cloud Code. Vou definir o objetivo aqui: quero criar um histórico das aulas assistidas no meu projeto, parecido com o histórico de vídeos assistidos do YouTube. Certo, usei o Whisper Flow aqui para editar a descrição do objetivo. Depois que defini o

01:33 objetivo, posso vir aqui, vejam, até o contexto, estão vendo? E, no contexto, posso adicionar arquivos, pastas ou incluir algo manualmente. Se eu clicar em adicionar aqui, vocês vão ver que há a opção de adicionar um repositório. Vou abri-la aqui, selecionar “Programa AI” como repositório e também vou selecionar, aqui vai uma dica para vocês, meu repositório do segundo cérebro, que uso para gerenciar documentos quando trabalho com IA no meu Obsidian. Na verdade, já fiz um vídeo sobre como uso o Obsidian como segundo cérebro para trabalhar com IA; é um dos vídeos mais assistidos

02:06 aqui no canal. Vou deixar o link para vocês assistirem depois. Essa dica é legal porque tenho meu Segundo Cérebro e, como o Obsidian é basicamente Markdown, é ótimo colocá-lo em um repositório git. Então posso adicionar meu Segundo Cérebro. Bem legal, né? Também posso, se quiser, adicionar um arquivo ou uma pasta local, ou até configurar o Google Drive, mas vou deixar assim por enquanto e clicar em criar projeto, certo? O que vocês vão ver acontecer assim que eu criar esse projeto é que Claude já vai começar

02:38 a tentar configurar o que vamos construir, certo? Parece ótimo, pessoal? Então, o projeto foi criado e Claude até me deu algumas opções do que fazer. Mas, antes disso, quero mostrar uma coisa, certo? Se clicarem aqui no botão de configurações, vão ver todas as configurações do projeto, incluindo o ícone, o objetivo e os modelos com seus níveis de esforço, certo? Meu modelo coordenador está definido como Opus 3.5. Entenderam? É exatamente isso que quero fazer. Mas, por padrão, a recomendação de esforço é baixa.

03:11 Por quê? Porque o coordenador não executa muita coisa; ele basicamente coordena, recebe a entrada e distribui as tarefas, certo? Normalmente, na orquestração de agents, você tem um coordenador que é ainda mais inteligente. A lógica aqui é o contrário, certo? Aqui a lógica é ter um coordenador bem simples e direto; o trabalho acontece mesmo nas threads. Enfim, como tenho créditos sobrando, vou definir o coordenador como alto, e meu modelo que vai executar em cada thread, ou seja, o subagent, também está definido como Opus 3.5. E aqui vou definir como extra alto, certo? Vejam, isso

03:46 vai gastar mais tokens, mas tenho feito bons testes com o Opus 3.5, que, na minha opinião, é o melhor modelo para programação hoje. Também fiz uma avaliação do Opus 3.5. Vou deixar o link aqui para vocês assistirem depois. Esse jeito funciona bem para mim, certo? Bom, configurei aqui os modelos e seus níveis de esforço. Agora posso pedir ao Claude, bem aqui, para “configurar com base no trabalho recente”. Vamos ver o que ele faz, certo? Configure este projeto com base no meu

04:17 trabalho recente, certo? Olhem o que aconteceu. Lembram? Pedi para ele configurar o projeto. E o que ele fez? Apresentou uma recomendação de configuração. Olhem: leu as últimas 14 sessões e me recomendou um resumo das aulas assistidas toda segunda-feira, certo? Posso configurar isso aqui mesmo. Na verdade, vou fazer isso: vou clicar em atualizar configuração, porque vocês vão ver que ele criará uma rotina dentro do meu projeto. Tenho as threads, que são meus subagents; tenho as bibliotecas aqui, que guardam os recursos; e também tenho as rotinas,

04:49 ou seja, tarefas executadas em horários específicos, de acordo com uma programação. Outra coisa que ele pensou foi: “Bom, posso começar a trabalhar em duas coisas. Tenho duas threads que sugiro criar: o histórico de aulas assistidas e o alinhamento do histórico com as recomendações de aulas.” Entenderam? Vamos fazer o seguinte: clicar em iniciar duas threads. E o que vai acontecer é que duas tarefas serão inicializadas automaticamente ao mesmo tempo. Então, olhem só: agora temos Claude trabalhando em três frentes dentro do mesmo objetivo,

05:21 que é nosso objetivo de criar o histórico de aulas, certo? É muito elegante, uma forma bem legal de ver o trabalho acontecendo, sabe? Dá para separar bem o trabalho, orquestrá-lo direitinho e ver exatamente o que cada coisa está fazendo, inclusive as etapas. Estão vendo quais são as etapas? A primeira coisa que ele está fazendo é ler como funciona o sistema de recomendações, certo? E o outro está lendo como as aulas, os vídeos e o progresso são modelados, certo? Tudo isso usando GPT-4o com raciocínio no nível extra, e posso mudar

05:55 isso, posso trocar para Sonnet ou Haiku e também mudar o raciocínio. Então, acabou sendo uma interface bem interessante. E olhem como essa sessão está indo. Uma thread está trabalhando; vejam, já concluiu quatro de sete tarefas e uma está resolvida: alinhar o histórico com as recomendações de aulas. Então, basicamente, o que ele fez foi investigar o que precisava ser feito e como funciona o sistema de recomendações. No fim, enviou o resultado para a thread de implementação do histórico de aulas assistidas, certo? Então, vocês podem ver aqui que, na

06:27 conversa original com nosso orquestrador, uma thread terminou e a outra ainda está em andamento. Posso clicar aqui a qualquer momento para vê-la. Entenderam? E olhem só que legal: ele começou pelo backend, certo? Depois, já consigo ver que uma das próximas etapas é desenhar na tela, ou seja, criar um artefato dentro do Claude mostrando como seria a interface, certo? Então, antes de construir a interface de fato, ela será revisada por mim. Isso é ótimo para garantir que o que ele criar respeite meu sistema de design. Agora, pessoal,

07:01 vejam, isso claramente é algo para tarefas maiores; não é para tudo, certo? Se for algo que você consegue resolver apenas com o prompt certo… Na verdade, pensando pela perspectiva da programação agêntica, fiz até um vídeo recentemente em que falo sobre por que você deveria aprender SDD. Vou deixar o link aqui para vocês assistirem depois. Nesse vídeo, apresento o método Pera, certo? O método que também mostro no curso de programação agêntica do programa. E o que é esse método? É uma forma de

07:33 programar com agents de IA. Primeiro, planejando o que você quer fazer; depois, executando as tarefas, revisando o que foi feito e, por fim, quando o sistema estiver totalmente funcional, acelerando o desenvolvimento. Então, esse método Pera permite desenvolver tarefas muito mais rápido, certo? E é justamente quando o escopo do projeto cresce que isso faz sentido. Olhem, Claude Projects é uma excelente ferramenta para isso, certo? Para vocês trabalharem além

08:05 o escopo de uma única sessão, certo? Então, aqui no nosso exemplo, ele funcionou pesquisando o que precisava ser feito e começou pelo backend. Posso ver aqui que agora está na etapa de definir como será a interface do usuário, certo? Então, veremos muito em breve o que ele vai preparar para nós. E a última coisa que eu queria mostrar aqui sobre projetos é justamente a parte do canvas, certo? Como você também pode ter um artefato aqui mesmo na visualização do projeto. E veja

08:37 só, ele criou o artefato para nós, que podemos ver aqui mesmo na biblioteca. Ele criou, veja, um artefato de histórico de aulas. E podemos ver exatamente quais conceitos ele criou. Então, ele criou três opções para mim, veja. A opção número um é a lista por dia, certo? Tudo o que assisti em cada dia, incluindo, veja, continuar assistindo de novo, está vendo? Bem legal. O conceito número dois é como uma grade, e o conceito número três é uma linha do tempo compacta. Uau, as três ficaram legais, certo? Acho que a lista ficou melhor e, por coincidência,

09:10 até correspondeu à recomendação dele. Certo? Então, posso selecionar aqui, veja, lista por dia. E também vou dizer aqui: o problema é que não temos uma miniatura. Você pode tentar pegar um quadro do vídeo? Só para termos como exibir uma imagem aqui, certo? Porque, caso contrário, fica aparecendo, sabe? Um espaço reservado. Parece que está faltando alguma coisa, mas veja como ficou legal: conseguimos trazer os artefatos diretamente para o projeto também. Então, aqui temos, veja, PRs, artefatos, nossa conversa com

09:41 todos os tópicos e até rotinas que poderíamos criar. No vídeo sobre Haiku e Managed Agents, mostrei como você pode ter um agent rodando na nuvem, na infraestrutura de nuvem, consumindo os créditos daqui. Claro, ele está usando a sua assinatura, certo? Os créditos daqui são os créditos da sua assinatura. Então, você pode criar essa rotina que, como eu disse, é uma tarefa, certo? É uma tarefa que será executada em um horário específico. Aqui, ela será executada toda segunda-feira, às 8h52, precisamente com estas instruções: use o site do programa, resuma as aulas assistidas nos últimos dias, as 10 aulas mais assistidas etc., etc. Publique um resumo aqui, certo? Então, esta é a rotina que será executada agora. Ou posso clicar aqui, veja, e executar agora. E, se eu clicar em executar, posso adiantar essa rotina e executá-la quando quiser. Certo? Vamos voltar aqui, veja, e conferir: ela está sendo executada aqui, veja, resumo semanal de engajamento com as aulas. Também está aqui mais uma traduzida. Então, pessoal, esta interface ficou muito boa, certo? Temos que tirar o chapéu

10:13 post do site, resumir os últimos dias de aulas assistidas, as 10 aulas mais assistidas etc., etc. Publique um resumo aqui, certo? Então, esta é a rotina que será executada agora. Ou posso clicar aqui, olha, e executar agora. E, se eu clicar em executar, posso antecipar esta rotina e executá-la quando quiser. Certo? Vamos voltar aqui, olhar e ver que ela está sendo executada aqui, olha: resumo semanal do engajamento com as aulas. Também está aqui em mais uma tradução. Então, pessoal, esta interface ficou muito boa, certo? Temos que tirar o chapéu

10:47 para a equipe da Anthropic. De fato, quando se trata de interface do usuário e experiência do usuário.

Transcrição original

[00:00] So I want to start here by kicking off a new project with you guys. And while this project is working, I’ll show you other examples I’ve already done, alright? So okay guys, I’m here on Cloud Web, so this can be done both on the web and the desktop app, okay? Or even on your iPad or your phone, you can dispatch it from any UI, alright? It won’t work from Cloud Code, it’s not in Cloud Code at the moment. So we’re going to create a new project, okay? So you’ll give it a name here, alright? I’ll create a project for us to add a video history to the program. What is that? Let me give a little more context

[00:32] here. Alright? “Programa AI” is my AI engineering training program that’s already out, it’s live, and it has the AI Engineer track, currently containing classes on prompt engineering, agentic programming, and AI engineering fundamentals, okay? So, for those who purchased the track, you can acquire it by going to the link that will be in both the description and the pinned comment. You can buy either the track or the individual courses. So, whoever bought any course within the program, you can come here and start watching the classes, alright? So, there are several classes here you can watch, and

[01:03] I wanted to make something similar to YouTube that has your history, the videos you’ve already watched, for example, okay? So let’s think we want to do this, and we’ll create it within a project in Cloud Code. So I’ll state here as the goal: I want to create a history of watched lessons in my project similar to how YouTube has history of videos watched. So alright, I used the whisper flow here to edit what the goal is. Once I’ve set the

[01:33] goal, I can come here, see, to the context, you see? And here in the context, I can add files, folders, or add manually. If I click on add here, you’ll see there’s an option to add a repository. So I’ll open it here, select the “Programa AI” as a repository, and I’ll also select here, a tip for you guys, my second brain repository to manage documents when I’m working with AI. in my Obsidian. I’ve actually made a video on how I use Obsidian as a second brain to work with AI, it’s one of the most watched videos

[02:06] here on the channel. I’ll leave the link for you to watch later. So this tip here is cool because I have my Second Brain, and since Obsidian is basically markdown, it’s excellent for putting into a git repository. So I can put my Second Brain. Pretty cool, right? I can also, if I want to, add a local file or folder or even configure Google Drive, but I’ll leave it like this for now and click on create project, alright? So what you’ll see happen the moment I create this project is that Claude will already start

[02:38] trying to set up what we’re going to build, okay? Sounds great, everyone? So , the project was created and Claude even gave me some options on what to do . But before that, I want to show you one thing, okay? If you click here, on this settings button, you’ll see all the project settings, including the icon, the objective, and there are the models and their effort levels, okay? My coordinator model is set to Opus 3.5 . Got it? That’s exactly what I want to do. However, the effort, their default recommendation is low effort.

[03:11] Why? Because the coordinator doesn’t execute much; it really just coordinates, it just takes the input and dispatches tasks, right? Typically, in agent orchestration, you have a coordinator that is even more intelligent. The logic here is the opposite, okay? The logic here is a very simple, very direct coordinator, and the work really happens in the threads. Anyway, since I have credits to spare, I’ll set the coordinator to high, and my model that will execute in each thread, meaning the sub-agent, is also set to Opus 3.5. And here I’ll set it to extra high, okay? See, this

[03:46] will spend more tokens, but I’ve been running good tests with Opus 3.5, which in my view is the best model for programming today. I even did a review of Opus 3.5. I’ll leave it here for you to watch later. This way works well for me, okay? So, all right. I’ve configured the models and their effort levels here. And I can now, right here, ask Claude to “setup from recent work.” Let’s see what it does, right? Configure this project based on my

[04:17] recent work, okay? Look what happened. Remember? I asked it to configure the project, and what did it do? It gave me a setup recommendation. Look, it read the last 14 sessions and recommended a digest to me, right? A summary of watched lessons every Monday. I could set this up right here. I’ll actually do this: I’ll click update setup because you’ll see that it will create a routine inside my project. I have the threads, which are my sub-agents, I have the libraries here, which hold the resources, and I also have routines,

[04:49] meaning tasks executed on a schedule at a specific time. And another thing it thought of was: “Well, I can start working on two things. I have two threads I suggest you build: the watched lesson history and aligning history with lesson recommendations. Got it? Let’s do this: let’s click on start two threads. And what will happen is that it will automatically initialize two tasks at the same time. So, look, we now have Claude working on three fronts within that same goal,

[05:21] which is our objective of creating the lesson history, okay? So it’s very elegant, a very cool way for you to see it working, you know? And you can separate the work well, you can orchestrate it well and see exactly what each thing is doing, including the steps, see, what the steps are? The first thing it’s doing is reading how the recommendation works, right? And the other one is reading how the lessons, videos, and progress are modeled, okay? All of this using GPT-4o with reasoning extra, and I can change

[05:55] it, I can switch to Sonnet, to Haiku, and change the reasoning as well. So it turned out to be a very interesting interface. And look at how that session is doing. One thread is working, look, it has already done four out of seven tasks and one is solved, see: align history with lesson recommendations. So , basically, what it did was investigate what needed to be done and how the recommendation works. And in the end, it sent the result over to the build lesson watch history thread, right? So you can see here that in the

[06:27] original conversation with our orchestrator, one thread finished and the other is still running. I can click here at any time to see it. Got it? And look how cool, it started here with the back end, okay? And then, I can already see that one of the next steps here is drawing on the canvas, meaning creating an artifact within Claude for what the UI would look like, okay? So, before it actually builds the UI, it will be reviewed by me. This is great for ensuring that whatever it creates will respect my design system. Now, folks,

[07:01] look, this is clearly something for you to do with larger tasks, it’s not meant for everything, right? If it’s something you can solve with just the right prompt. Actually, if you think from an agentic programming perspective , I even made a video recently where I talk about why you should learn SDD, I’ll leave the link here for you to watch later. In that video, I introduce the Pera method, right? The method I even show in the agentic programming course for the program. And what is this method? It’s a way for you to

[07:33] program with AI agents. First, by planning what you want to do, then executing the tasks, reviewing what was done, and finally, when the scheme is fully functional, you go ahead and accelerate development. So, this Pera method is a method that allows you to develop tasks much faster, okay? And that is exactly when the project scope grows that this makes sense. Look, Claude Projects is an excellent tool for this, right? For you to work beyond

[08:05] the scope of a single session, right? So here in our example, it worked by researching what needed to be done and started with the back end. I can see here that it is now in the stage of designing what the UI will be, right? So we’ll see very soon what it’s going to prepare for us. And the last thing I wanted to show here regarding projects is precisely the canvas part, right? How you can also have an artifact right here within the project view. And look

[08:37] there, it created the artifact for us, which we can see right here in the library. It created, see, a class history artifact. And we can see exactly what concepts it created. So, it created three directions for me, see ? Direction number one is the list by day, right? Everything I watched each day, including, look, continue watching again, see? Pretty cool. Concept number two is like a grid, and concept number three is a compact timeline. Wow, all three were cool, okay? I think the list turned out better, and coincidentally,

[09:10] it even matched his recommendation. All right? So I can select here, look, list by day. And then I’ll also say here, the problem is we don’t have a thumbnail. Can you try getting a frame from the video? Just so we have a way to display an image here, right? Because otherwise, it just keeps appearing, you know? A placeholder. It feels like something is missing, but look how cool, we managed to bring the artifacts directly into the project here as well. So here we have, look, PRs, artifacts, our conversation with

[09:41] all the threads, and even routines that we could create. In the Haiku and Managed Agents video, I showed how you can have an agent running in the cloud, on the cloud infra, spending the credits here. Of course, it’s drinking from your subscription, right? The credits here are your subscription’s credits. So you can create this routine which, as I said, is a job, right? It’s a task that will be executed at a specific time. Here it will be every Monday, at 8:52 AM, precisely with these instructions. Use the program’s

[10:13] site post, summarize the last few days of lessons watched, the 10 most-watched lessons, etc., etc. Post a summary here , okay? So, this is the routine that will be executed right now. Or I can click here, look, and run now. And if I click run, then I can anticipate this routine and execute it whenever I want. All right? We’ll go back here, look, and see that it’s running here, look, weekly lesson engagement digest. It’s also here in one more translated. So, folks, this interface turned out really good, okay? We have to take our hats

[10:47] off to the Anthropic team. Indeed, when it comes to UI and UX.