Claude Code Ficou Assustadoramente Bom — Entenda Por Quê
Eu quase deletei três scripts personalizados na terça passada. Não porque estavam quebrados — porque a última atualização do Claude Code os tornou completamente desnecessários da noite pro dia.
Passei semanas ajustando aliases de shell, construindo funções wrapper para chamadas de API, montando um pipeline de notificações no Slack para meu fluxo de deploy. Trabalho bom. Engenharia sólida. Aí a Anthropic lançou essa atualização, e eu fiquei ali sentado assistindo o Claude Code fazer tudo que meus scripts faziam — além de coisas que eu nem tinha pensado — direto do terminal.
É uma sensação estranha. Metade "isso é incrível" e metade "o que acabou de acontecer com meu projeto de fim de semana."
Aqui está o que eu sei depois de passar uma semana inteira testando cada recurso novo até o limite: isso não é um patch menor. A Anthropic mudou fundamentalmente o que o Claude Code pode fazer, e se você está construindo qualquer coisa com agentes de IA agora, precisa entender o que mudou. Alguns desses recursos vão mudar como você trabalha diariamente. Um deles — e vou chegar lá — pode mudar como você pensa sobre habilidades de IA em geral.
Mas primeiro, o que me impactou mais.
O Criador de Skills Transformou Meus Agentes em Sistemas que se Auto-Aprimoram
Venho criando skills personalizados para o Claude Code desde o início. O processo era sempre o mesmo: escrever uma definição de skill, testar manualmente, ajustar o prompt, testar de novo, subir, descobrir que quebrou outra coisa, e repetir por dias. Funcional? Claro. Eficiente? Nem perto.
O criador de skills atualizado muda esse ciclo completamente. E não quero dizer que ganhou uma interface mais bonita — quero dizer que introduziu geração evolutiva integrada com benchmarking e testes multi-agente. Essas palavras podem soar como texto de marketing, mas fica comigo porque isso é genuinamente diferente.
Eis o que isso significa na prática. Você escreve um skill, e em vez de testá-lo manualmente contra vários cenários, agora pode gerar o que a Anthropic chama de "evol tests" — benchmarks automatizados que medem taxas de aprovação, tempo de execução e uso de tokens em múltiplos cenários de teste. O criador de skills dispara múltiplos agentes, joga seu skill em diferentes casos extremos e te dá números concretos sobre o desempenho.
Testei isso com um skill de preenchimento de formulários PDF com o qual vinha lutando há semanas. A versão original extraía texto dos campos do formulário e os preenchia, mas continuava desalinhando dados — colocando endereços em campos de número de telefone, esse tipo de caos. A depuração manual não estava indo a lugar nenhum porque as falhas eram inconsistentes.
Com o novo criador de skills, rodei um evol test e vi o problema imediatamente: minha extração de texto não estava ancorada a coordenadas precisas. O skill estava adivinhando posições de campos baseado em rótulos, e o posicionamento dos rótulos variava entre diferentes templates PDF. Os dados do benchmark mostraram uma taxa de aprovação de 62% — muito pior do que eu tinha assumido com meu punhado de testes manuais.
A correção foi direta uma vez que pude ver os dados. Ancorei a extração a coordenadas exatas em vez de correspondência fuzzy de rótulos. A taxa de aprovação pulou para 94% na próxima execução evolutiva. O que teria me tomado mais uma semana de depuração manual levou cerca de quarenta minutos com métricas reais me guiando.
Mas aqui está a parte que realmente chamou minha atenção — e isso conecta com algo que vou te mostrar na seção de implementação. Os skills agora podem evoluir automaticamente quando novos modelos são lançados. Então quando a Anthropic lança uma atualização de modelo, seus skills não apenas continuam funcionando no mesmo nível. Eles podem se adaptar e potencialmente melhorar sem você tocá-los. Eu costumava temer atualizações de modelo porque metade dos meus prompts precisariam ser reescritos. Essa fricção praticamente desapareceu.
Ultra Mode e Por Que Parei de Me Preocupar com Codebases Complexos
Vou ser honesto — quando o Ultra Mode apareceu pela primeira vez meses atrás, achei que era principalmente hype. Maior orçamento de raciocínio, mais tempo de pensamento, claro. Mas realmente produzia resultados significativamente melhores?
Depois dessa atualização: sim. Inequivocamente sim.
O Ultra Mode agora suporta Opus 4.6 e Sonnet 4.6, e a diferença não é sutil. O orçamento de raciocínio estendido significa que o Claude Code pode manter porções maiores do seu codebase na memória de trabalho enquanto resolve problemas. Para scripts pequenos e edições de arquivo único, você não vai notar muito. Para qualquer coisa que toque múltiplos arquivos, gerenciamento de estado complexo ou depuração de múltiplos passos — é uma experiência completamente diferente.
Coloquei-o no teste mais rigoroso que pude imaginar: construir uma aplicação de calendário full-stack do zero. Frontend React, TypeScript em tudo, arquitetura de componentes adequada, gerenciamento de estado, integração com API. Não uma demo de brinquedo — uma aplicação real com eventos recorrentes, tratamento de fusos horários, reagendamento com arrastar e soltar.
Com o modo padrão, o Claude Code ocasionalmente perdia contexto entre componentes. Gerava um lindo componente EventCard, depois criava um CalendarGrid que esperava props ligeiramente diferentes. Pequenos desalinhamentos que eu pegava na revisão e corrigia manualmente. Experiência normal de programação com IA.
Com o Ultra Mode ativo (você ativa digitando ultrathink no Claude Code), esses desalinhamentos essencialmente desapareceram. Os componentes gerados encaixavam perfeitamente porque o modelo tinha espaço de raciocínio suficiente para manter toda a árvore de componentes em mente simultaneamente. A aplicação de calendário saiu com interfaces de props consistentes, tipos TypeScript fluindo adequadamente por toda a stack, e até error boundaries sensatos que eu não pedi explicitamente.
Usa mais tokens? Com certeza. É mais lento? Levemente. Vale a pena para trabalho complexo? Sem dúvida. Comecei a usar o Ultra Mode por padrão para qualquer coisa além de edições de arquivo único, e meus ciclos de revisão-e-correção caíram dramaticamente.
Há uma compensação prática que devo mencionar. O Ultra Mode consome seu orçamento de API mais rápido. Para uma sessão complexa construindo aquela aplicação de calendário, usei aproximadamente 3x os tokens comparado ao modo padrão. Se você está com orçamento apertado, reserve o Ultra Mode para o trabalho que genuinamente precisa — refatorações multi-arquivo, depuração complexa, decisões arquiteturais. Use o modo padrão para edições rápidas e gerações simples.
Essa consideração de orçamento leva naturalmente ao próximo recurso, porque a Anthropic claramente pensou em como as pessoas realmente usam o Claude Code ao longo do dia — não apenas quando estão sentadas numa mesa.
Controle Remoto: Meu Celular Virou um Dashboard de Build
Esse me surpreendeu mais do que qualquer outra coisa na atualização. O controle remoto permite iniciar, monitorar e interagir com sessões do Claude Code pelo celular ou qualquer dispositivo secundário. Disponível em todos os planos pagos da Anthropic, sem configuração adicional além do esperado.
Meu primeiro pensamento foi "isso é um truque." Meu segundo pensamento, depois de usar por três dias, foi "como eu vivia sem isso?"
Aqui está meu caso de uso real. Iniciei uma tarefa grande de refatoração antes de sair para uma reunião — reorganizando as utilidades compartilhadas de um monorepo em pacotes adequados. O tipo de tarefa onde o Claude Code precisa fazer centenas de mudanças de arquivos em dezenas de diretórios. Antes, eu ficava na mesa até terminar ou voltava para descobrir que tinha encontrado um erro quarenta minutos atrás e parado.
Com o controle remoto, acompanhei o progresso no celular durante a reunião. Quando o Claude Code encontrou um caminho de importação ambíguo e pediu esclarecimento, respondi pelo celular em uns quinze segundos. A refatoração continuou. Quando voltei à minha mesa, toda a reorganização estava feita e passando nos testes.
Também usei para algo mais simples mas igualmente útil: monitorar suítes de teste de longa duração. Iniciar os testes pelo Claude Code, sair, receber uma notificação no celular quando terminam ou falham. Transforma o Claude Code de uma ferramenta de "sentar na mesa" em algo que funciona ao redor da sua agenda.
Uma limitação que vale conhecer: interações complexas — como revisar diffs grandes ou escrever prompts detalhados — ainda são melhores num teclado completo. A interface do celular funciona muito bem para aprovações, respostas curtas e monitoramento. Não espere fazer sessões profundas de programação pelo celular. Esse não é o objetivo, e honestamente, não deveria ser.
Agora, falando em interagir com o Claude Code de formas que eu não esperava — há um recurso sendo lançado agora que muda completamente o modelo de entrada.
O Modo de Voz Mudou Como Penso Sobre Prompting
Apenas cerca de 5% dos usuários têm acesso ao modo de voz agora, e por acaso estou nesse grupo. Ativado digitando /voice na sua sessão do Claude Code, ele liga a transcrição de voz para texto em tempo real para seus comandos.
Minha reação inicial foi ceticismo. Eu digito rápido. Por que falaria com meu terminal?
Três dias depois, entendi. O valor não é velocidade — é expressividade.
Quando digito um prompt, tendo a ser conciso. "Refatora o middleware de autenticação para lidar com refresh de token." Limpo, preciso, eficiente. Mas também omite contexto que ajudaria o Claude Code a tomar melhores decisões.
Quando falo, naturalmente adiciono esse contexto: "Então, o middleware de autenticação está ficando bagunçado porque adicionamos o refresh de token no último sprint mas ficou emaranhado com a lógica de validação de sessão. Quero separar o fluxo de refresh num middleware próprio que rode antes da verificação de sessão, e garantir que não estamos batendo no endpoint de token mais de uma vez por ciclo de request."
Mesmo pedido. Muito mais contexto. Resultados dramaticamente melhores do Claude Code porque entendeu não apenas o que eu queria, mas por quê.
Comecei a usar o modo de voz especificamente para pedidos arquiteturais complexos onde o contexto importa, e digitação para edições rápidas e precisas. A abordagem híbrida funciona melhor que qualquer um dos métodos sozinho.
A precisão da transcrição é sólida — lida com termos técnicos como "middleware," "TypeScript," e nomes de pacotes específicos melhor do que esperava. Não é perfeito, mas bom o suficiente para que raramente precise corrigir. Percebi que ocasionalmente tem problemas com nomes de variáveis que soam como palavras comuns (handler vs handler tá de boa, mas uma variável chamada reed é transcrita como "read" às vezes). Fricção menor.
Se você ainda não tem acesso, vale a pena solicitar. E enquanto espera, há um recurso disponível agora que impacta diretamente em quão rápido você pode construir com APIs externas.
O Skill da Claude API Eliminou Meu Problema de Abas de Documentação
Eu costumava manter três abas do navegador abertas o tempo todo: uma para a documentação da API da Anthropic, uma para a referência do SDK que precisasse, e uma para o Stack Overflow. O skill da Claude API torna pelo menos duas dessas abas desnecessárias.
Eis o que ele faz. Quando você está escrevendo código que interage com a API do Claude — ou realmente qualquer API suportada — o skill detecta automaticamente sua linguagem de programação e seleciona a melhor interface (API direta, uso de ferramentas ou SDK). Depois carrega a documentação relevante diretamente na sua sessão de programação.
Não um resumo. Não um "aqui está um link." O contexto real da documentação, disponível enquanto o modelo trabalha no seu código.
Estava construindo um pipeline de processamento em lotes em Python na semana passada. Em vez de trocar para o navegador para procurar o formato do endpoint da API de lotes, simplesmente descrevi o que precisava no Claude Code. O skill de API detectou que eu estava trabalhando com Python, carregou a documentação do SDK da Anthropic para requisições em lote, e gerou código funcional que incluía tratamento de erros adequado, lógica de retry e rate limiting — tudo baseado em documentação atual, não em dados de treinamento que poderiam estar desatualizados.
Lida com respostas de streaming, saídas estruturadas, configurações de uso de ferramentas e padrões específicos do modelo. O benefício chave é eliminar a troca de contexto. Cada vez que você alt-tab para uma página de documentação, perde alguns segundos de foco. Ao longo de uma sessão completa de programação, isso se acumula em sobrecarga cognitiva significativa. Ter a documentação embutida no contexto de programação elimina essa fricção por completo.
Uma coisa que aprecio: é inteligente com os padrões do modelo. Quando especifiquei Opus 4.6 como meu modelo alvo, o skill ajustou automaticamente os limites de tokens, estimativas de preço e recursos disponíveis nas suas sugestões. Detalhe pequeno, mas me impediu de escrever código que assumisse capacidades que o modelo não tem.
Certo — se você acompanhou até aqui, já tem um entendimento sólido dos recursos principais. Os próximos dois são menores mas têm impacto acima do seu peso na melhoria do fluxo de trabalho diário.
O Comando Simplify Pegou Erros que Eu Deixei Passar
Depois de qualquer sessão de mudanças de código, rodar /simplify dispara uma revisão automatizada do seu código modificado. Escaneia em busca de lógica duplicada, padrões reutilizáveis, inconsistências de nomenclatura, complexidade desnecessária e problemas estruturais.
Eu era cético. Revisão de código é trabalho nuançado — uma passada automatizada realmente conseguiria pegar problemas significativos?
Pegou algo no meu segundo teste que teria causado um bug em produção.
Eu tinha refatorado um módulo de validação de dados e, no processo, criei duas funções de validação quase idênticas — uma no serviço de usuários e outra no serviço de pedidos. Mesma lógica, nomes de variáveis diferentes. O tipo de duplicação que acontece naturalmente quando você está se movendo rápido e focado em fazer os testes passarem.
O comando simplify marcou ambas as funções, me mostrou a sobreposição e sugeriu extrair um validador compartilhado. Depois que aprovei a correção, também notou que minhas mensagens de erro usavam formatação inconsistente — algumas tinham códigos de erro, outras não. Não um bug, mas o tipo de inconsistência que cria confusão nos logs.
O agente de roteamento padrão para o simplify parece ser o Haiku 4.5, o que significa que roda rápido e barato. Comecei a usá-lo como hábito depois de cada sessão significativa de mudanças de código. Pense nele como uma primeira passada de revisão de código antes dos seus revisores humanos verem o PR. Não vai pegar problemas arquiteturais ou questionar suas decisões de design, mas é excelente para qualidade superficial — o tipo de coisa que é fácil de passar batido quando você está imerso no modo de resolução de problemas.
Dica profissional: rode /simplify antes de commitar, não depois. Corrigir duplicação e problemas de nomenclatura antes de entrarem no seu histórico git mantém seus commits mais limpos e seus revisores mais felizes.
Isso combina perfeitamente com o último recurso principal — porque código limpo não significa nada se sua equipe não consegue se comunicar sobre ele de forma eficaz.
A Integração com Slack Fez do Claude Code um Membro da Equipe
Lidero uma pequena equipe distribuída, e nossa coordenação vive no Slack. Antes, compartilhar contexto do Claude Code com colegas significava copiar a saída do terminal, colar no Slack, perder a formatação, e depois explicar o que a saída significava. Tosco no melhor dos casos.
O novo plugin do Slack conecta o Claude Code diretamente ao seu workspace no Slack. Você pode buscar mensagens, enviar atualizações, criar documentos e trazer contexto do Slack para sua sessão de programação sem sair do terminal.
Aqui é onde realmente me ajudou essa semana. Um colega postou um relatório de bug no nosso canal #backend-issues com um stack trace e algum contexto sobre quando começou a acontecer. Em vez de copiar o stack trace para o Claude Code manualmente, trouxe a mensagem do Slack direto para minha sessão. O Claude Code tinha o contexto completo — o stack trace, a descrição do colega e a discussão da thread onde outro dev mencionou uma mudança de configuração recente que poderia estar relacionada.
Com todo esse contexto carregado, o Claude Code identificou o problema em cerca de dois minutos: uma configuração de pool de conexões que era válida no nosso ambiente de staging mas causava cascatas de timeout sob carga de produção. A menção do colega de "começou a acontecer depois do deploy de terça" foi o contexto chave que direcionou o Claude Code para o diff de configuração correto.
Também uso para enviar atualizações de status. Quando uma sessão longa de build ou refatoração completa, faço o Claude Code postar um resumo no canal relevante do Slack. Sem troca de contexto, sem copiar e colar, sem esquecer de atualizar a equipe.
Um fluxo de trabalho que desenvolvi: no início de cada sessão de programação, trago as últimas mensagens do canal Slack do meu projeto para o contexto do Claude Code. Isso dá à IA consciência das decisões recentes da equipe, bloqueios e prioridades. É como dar ao Claude Code uma reunião de standup antes de começar a trabalhar.
O Sub-Agente Cloud Code Guide — Seu Cérebro de Documentação Integrado
Há mais uma adição que vale mencionar: o sub-agente Cloud Code guide. Este é um agente interno, não baseado em arquivos, que responde perguntas sobre o CLI do Claude Code, o Agent SDK e a própria API do Claude.
Pense nele como um colega experiente que leu cada página da documentação da Anthropic e pode responder perguntas sem você sair do terminal. Usa busca, fetch web e outras ferramentas para encontrar respostas mas — e isso é importante — não edita nem escreve arquivos. É puramente informativo.
Me pego usando-o mais quando encontro casos extremos. "O Agent SDK consegue lidar com respostas de streaming com uso de ferramentas?" Em vez de procurar na documentação, pergunto ao sub-agente guide e recebo uma resposta com contexto relevante em segundos. Para desenvolvedores que estão profundamente no ecossistema da Anthropic, isso é uma economia de tempo significativa.
Configurando Tudo: Minha Configuração Recomendada
Aqui está exatamente como configurei meu ambiente para usar todos esses recursos efetivamente. Isso levou alguma tentativa e erro, então deixa eu te poupar a depuração.
Passo 1: Atualize o Claude Code para a versão mais recente. Isso parece óbvio, mas os recursos requerem a versão mais recente. Verifique que está na última build antes de investigar recursos faltantes.
Passo 2: Instale o plugin do criador de skills. Vá até a aba de plugins do Claude Code, encontre o criador de skills e instale. Reinicie o Claude Code após a instalação — o plugin não vai ativar até você fazer isso. Perdi isso na primeira vez e passei vinte minutos me perguntando por que nada funcionava.
Passo 3: Habilite o Ultra Mode seletivamente. Digite ultrathink em qualquer sessão do Claude Code para ativar o Ultra Mode. Minha recomendação: use para tarefas multi-arquivo e depuração complexa. Não deixe ativado permanentemente a menos que seu orçamento de tokens seja generoso. Estabeleci uma regra mental simples — se a tarefa toca três ou mais arquivos, ativo o Ultra Mode.
Passo 4: Configure a integração com Slack. Instale o plugin do Slack pela aba de plugins. Você precisará autorizá-lo com seu workspace do Slack. Uma vez conectado, teste com uma busca simples de mensagens para verificar que a conexão funciona. Tive que re-autorizar uma vez porque meu token OAuth inicial tinha escopos limitados.
Passo 5: Teste a disponibilidade do modo de voz. Digite /voice na sua sessão do Claude Code. Se ativar, você está no rollout de 5%. Se não, receberá uma mensagem dizendo que ainda não está disponível para sua conta. Sem solução alternativa — é uma flag do lado do servidor.
Passo 6: Rode seu primeiro evol test. Escolha um skill existente simples e gere um evol test para ele. Isso familiariza você com o formato de saída do benchmark — taxa de aprovação, tempo de execução, uso de tokens — antes de precisar para desenvolvimento sério de skills. Comece pequeno, entenda as métricas, depois aplique a skills complexos.
Passo 7: Incorpore /simplify no seu fluxo de trabalho. Depois de cada mudança significativa de código, rode o comando simplify antes de commitar. Leva segundos e pega o tipo de problemas de baixo nível que poluem revisões de código. Adicionei uma checklist mental: escrever código, rodar testes, rodar /simplify, revisar sugestões, commitar.
Erro comum: se o plugin do Slack mostra erros de "connection refused", verifique se o administrador do seu workspace não restringiu integrações de terceiros. Isso me pegou num projeto de cliente onde o workspace tinha políticas estritas de aprovação de aplicativos.
O Que Errei Sobre Essa Atualização — E O Que a Maioria Vai Perder
Quero ser direto sobre algo. Quando vi a lista de recursos pela primeira vez, pensei que a Anthropic estava fazendo o movimento clássico de empresa de tech — lançar um monte de melhorias incrementais e chamar de atualização maior. Estava errado, e aqui está por que minha leitura inicial falhou.
Os recursos individuais são sólidos mas não revolucionários por si só. Modo de voz? Legal mas nicho. Integração com Slack? Útil mas não revolucionário. Controle remoto? Conveniente.
A mudança real é o que acontece quando você os combina.
Agora rodo sessões onde inicio uma tarefa complexa na minha mesa usando Ultra Mode, monitoro pelo celular durante uma reunião via controle remoto, respondo perguntas de esclarecimento usando modo de voz no caminho de volta, e depois faço o Claude Code postar os resultados no Slack para minha equipe — tudo sem quebrar meu fluxo ou perder contexto.
Isso não é uma melhoria incremental. É uma relação fundamentalmente diferente com a ferramenta. O Claude Code parou de ser algo em que eu sento para usar. Se tornou algo que trabalha ao meu lado ao longo do dia, entre dispositivos, entre canais de comunicação.
O criador de skills com testes evolutivos é o recurso adormecido que a maioria vai subestimar. Agora, "skills de IA" parecem engenharia de prompts com passos extras. Mas skills que se auto-aprimoram e que se testam, fazem benchmark e se adaptam a novos modelos? Isso é infraestrutura. Isso é o tipo de coisa que gera retornos compostos. Em seis meses, os desenvolvedores que investiram em construir skills robustos e testados terão uma vantagem significativa sobre os que ainda estão escrevendo prompts avulsos.
Uma preocupação honesta: o uso de tokens se acumula. Rodar Ultra Mode, evol tests e o skill de API simultaneamente pode queimar seu orçamento rápido. Tive sessões que usaram 10x meu consumo normal de tokens. A Anthropic precisa trabalhar em tornar isso mais transparente — adoraria um dashboard de orçamento de tokens em tempo real no Claude Code. Agora, você descobre que gastou demais depois do fato.
Os Números Depois de Uma Semana
Assim era meu fluxo de trabalho antes e depois da atualização, medido ao longo de uma semana típica de trabalho:
Trocas de contexto para documentação do navegador: caíram de aproximadamente 40 por dia para cerca de 8. O skill da Claude API e o sub-agente guide lidam com a maioria do que eu costumava procurar manualmente.
Iterações de revisão de código antes do merge: diminuíram de uma média de 3 rodadas para 1.5 rodadas. O comando simplify pega problemas superficiais antes dos revisores humanos verem o código, então as discussões de revisão focam em arquitetura e design em vez de formatação e duplicação.
Tempo depurando skills: reduzido em aproximadamente 70%. Difícil medir com precisão, mas os testes evolutivos me dão números de confiança em vez de sensações. Sei quando um skill funciona e quando não, o que elimina a incerteza de "está quebrado ou estou testando errado?"
Sobrecarga de comunicação da equipe: visivelmente menor. A integração com Slack significa que compartilho contexto e atualizações sem sair do terminal. Menos copiar e colar, menos mensagens de "deixa eu explicar o que essa saída significa."
Custos de tokens: subiram cerca de 180% da minha linha base pré-atualização. Essa é a compensação. Estou gastando mais em uso de API mas recuperando horas de trabalho manual. Para meu fluxo de trabalho, a conta fecha claramente a favor. Seu resultado depende dos seus padrões de uso específicos e orçamento.
A maior mudança não está em nenhuma métrica individual. É a sensação de continuidade. Antes, usar o Claude Code significava sentar no meu terminal, focado, fazendo uma coisa. Agora está entrelaçado em toda a minha jornada de trabalho. Essa mudança é difícil de quantificar mas impossível de ignorar quando você experimenta.
O Que Eu Construiria Primeiro Se Começasse Hoje
Se você me dissesse seis meses atrás que eu estaria construindo skills de IA que se auto-avaliam, controlando sessões de programação pelo celular e falando com meu terminal — eu teria rido. Mas aqui estou, e aqui está o que eu priorizaria se estivesse configurando isso do zero.
Comece com o comando simplify. Zero configuração, valor imediato, constrói bons hábitos. Rode-o depois de cada sessão por uma semana e você nunca vai parar.
Depois, invista tempo no criador de skills. Construa um skill real — não um exemplo de brinquedo — e rode evol tests nele. Entenda a saída do benchmark. Esse investimento paga retornos compostos conforme você constrói mais skills.
Depois explore o Ultra Mode para seus fluxos de trabalho mais complexos. Não use para tudo — use estrategicamente, e você verá exatamente quando o orçamento de raciocínio estendido faz diferença.
Todo o resto — modo de voz, controle remoto, Slack — vá incorporando conforme se torna relevante para seu fluxo de trabalho específico. São adições poderosas, mas os ganhos principais de produtividade vêm do simplify, do criador de skills e do Ultra Mode.
A distância entre desenvolvedores que tratam o Claude Code como um autocomplete sofisticado e aqueles que o tratam como um parceiro de desenvolvimento autônomo está prestes a aumentar significativamente. Essa atualização é a Anthropic deixando muito claro para qual lado dessa distância estão construindo.
Então aqui está minha pergunta para você: qual é o primeiro skill que você construiria se seu agente de IA pudesse testar, avaliar e melhorar a si mesmo?
Vamos Trabalhar Juntos
Quer construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura tecnológica? Adoraria ajudar.
- Fiverr (builds personalizados e integrações): fiverr.com/s/EgxYmWD
- Portfólio: mejba.me
- Ramlit Limited (soluções empresariais): ramlit.com
- ColorPark (design e branding): colorpark.io
- xCyberSecurity (serviços de segurança): xcybersecurity.io
