Review do Codeex: criei um sistema de IA para comentários do YouTube

Review do Codeex: criei um sistema de IA para comentários do YouTube

Quase ignorei Codeex. Outro aplicativo AI para desktop, outro conjunto de afirmações ousadas sobre “automatizar todo o seu fluxo de trabalho”, outro wrapper GPT fingindo ser uma plataforma. Eu tinha o Claude Code funcionando perfeitamente, os agentes fazendo um trabalho real, e eu estava profundamente envolvido na implantação do Vercel quando um amigo colocou uma única linha no Slack: "essa coisa acabou de criar um aplicativo funcional para mim a partir de uma planilha, abriu meu navegador, implantou-o e agendou um cron semanal - em um bate-papo."

Fechei a guia de implantação e baixei o super aplicativo Codeex AI naquela noite.

Onze dias depois, eu havia construído algo que estava adiando há seis meses: um sistema de inteligência de comentários YouTube que extrai os últimos 200 comentários do meu canal, classifica-os por sinal, gera uma pasta de trabalho do Excel com várias guias com gráficos, envia um painel de host local, implanta-o em uma URL Vercel pública e atualiza tudo toda segunda-feira de manhã enquanto ainda estou dormindo. Sem scripts de cola. Não há necessidade de copiar e colar entre cinco ferramentas. Uma conversa, uma pasta de projeto e uma animação de animal de estimação no canto da janela informando o que estava sendo executado em segundo plano.

Este é o post que eu gostaria que alguém tivesse me entregado antes de começar. É um registro de construção real, uma revisão honesta e lado a lado com Claude Code - porque a pergunta que recebia dos leitores em minha caixa de entrada não era "Codeex é bom?" Era "devo abandonar Claude Code para isso?" A resposta é mais interessante do que sim ou não.

Por que Codeex chamou minha atenção quando eu não estava olhando

O tom de cada aplicativo de desktop AI parece o mesmo. Todos eles prometem ler seus arquivos, clicar em seus botões, escrever seu código e geralmente substituir quinze de suas ferramentas por uma janela de bate-papo. A maioria deles entra em colapso ao entrar em contato com um fluxo de trabalho real.

O que me atraiu em direção ao superaplicativo Codeex AI foi uma demonstração específica postada por um construtor em quem confio. Ele apontou Codeex para uma pasta de CSVs e pediu para "construir um painel, implantá-lo e me enviar um resumo semanal por e-mail". O vídeo tinha dezoito minutos de duração e sem cortes. Aos quatorze minutos, o painel estava ativo em uma URL pública e um cron job foi agendado. Ele não tocou no teclado nos últimos seis minutos – Codeex estava executando ações do navegador por conta própria, navegando no GitHub, Vercel e Gmail como um desenvolvedor júnior que estava na empresa há seis meses.

Esse tipo de autonomia ininterrupta é rara. O cursor é bom em código. Claude Code é ótimo para pensar. A maioria dos aplicativos "agentes" desmorona no segundo em que precisam sair do IDE e tocar em um navegador ou planilha real. Codeex não. Então, reservei um fim de semana e testei da mesma forma que testo todas as ferramentas que abordo aqui - construindo algo que eu realmente precisava, do zero, sem permissão para resgate de outras ferramentas.

Esse algo foi o sistema de comentários YouTube. Aqui está o problema que vou revelar antecipadamente: na terceira hora, quebrei a regra e abri Claude Code de qualquer maneira. Explicarei o porquê mais tarde – e por que agora continuo ambos correndo lado a lado em vez de escolher.

O que Codeex realmente é quando você o abre

Codeex é um aplicativo de bate-papo de desktop que envolve um agente com tecnologia OpenAI (atualmente expõe GPT 5.4 e GPT 5.5 na alternância de modelo) com um conjunto de recursos que a maioria dos aplicativos de bate-papo não possui: acesso real a arquivos locais, automação de mouse e teclado, navegação no navegador, controle de aplicativo e um sistema de receita chamado Habilidades que você pode invocar com comandos de barra. A interface é simples – a barra lateral esquerda contém seus projetos e bate-papos, o painel direito é a conversa e uma barra superior permite alternar o modelo mais dois controles deslizantes.

Esses dois controles deslizantes são mais importantes do que a maioria dos comentários menciona. A primeira é velocidade, a segunda é inteligência. A inteligência tem quatro níveis nomeados – baixo, médio, alto e extra alto. Eles mapeiam quanta cadeia de pensamento o modelo queima antes de agir. Low é rápido e burro. Extra alto irá sentar e pensar por dois minutos antes de escrever um único arquivo. Abordarei quando cada um está correto no passo a passo de construção, porque escolher o nível errado é o maior motivo pelo qual as pessoas postam reclamações “Codeex é muito lento” ou “Codeex projetou demais meu projeto” no Discord.

O que me surpreendeu no primeiro dia foi a amplitude. Codeex não apenas edita arquivos. Ele vai:

• Abra o Excel e escreva em células específicas, gere gráficos, gerencie várias guias
• Controle seu navegador de ponta a ponta - preencha formulários, clique em botões, raspe uma página, verifique uma implantação
• Leia e grave qualquer arquivo em sua máquina ao qual seu usuário tenha acesso
• Chame APIs e plug-ins externos (alguns exigem que você coloque sua própria chave API no .env.local do projeto)
• Execute aplicativos GUI reais - incluindo, hilariantemente, videogames durante um dos meus testes de estresse
• Execute um recurso de estimação no canto que é animado enquanto as tarefas em segundo plano estão funcionando, para que você saiba se ainda está ativo

Esse último parece enigmático até que você fique sentado assistindo a uma janela de bate-papo por noventa segundos e se perguntando se o agente travou. O animal de estimação animado é o indicador de “tarefas em execução” que eu não sabia que precisava. É pequeno, mas é o tipo de detalhe que mostra que a equipe entende como é usar essa ferramenta para um trabalho real.

A outra parte que vale a pena entender antes de construirmos qualquer coisa é o sistema Skill. Uma habilidade em Codeex é uma receita de redução - literalmente um arquivo .md que descreve um fluxo de trabalho de várias etapas, quais ferramentas são necessárias e qual formato a saída deve assumir. Você pode salvá-las como habilidades globais (disponíveis em todos os projetos) ou habilidades locais (com escopo para um projeto). Você os invoca com um comando de barra no chat. Isso parece familiar se você usou habilidades do agente em Claude Code, e deveria - o padrão é o mesmo, a implementação tem apenas o sabor de OpenAI.

Essa convergência é uma das coisas mais interessantes que estão acontecendo nas ferramentas de agente no momento: todo jogador sério está chegando à mesma primitiva, que é uma “pequena receita de redução que diz ao modelo como se comportar para uma tarefa específica”. Está se tornando um padrão se alguém admite isso.

Codeex vs Claude Code vs Cloud Code: a comparação honesta

Três ferramentas, três filosofias. Antes de mostrar a construção, aqui está o resumo que eu daria a um amigo durante o café:

Cloud Code (produto de agente hospedado e gerenciado do Anthropic) é executado no Opus e Sonnet, reside na nuvem e é construído em torno de trabalho supervisionado e de longa duração. Você dá um gol, ele dispara, volta com resultado. Melhor para tarefas em que você deseja execução automática em uma caixa remota.

Claude Code é a CLI local que a maioria dos leitores aqui já conhece - Opus ou Sonnet, acionado por terminal, conectado ao seu repositório, com ganchos, habilidades e o SDK do agente. É aquele que executo o dia todo para trabalhos pesados ​​de código e aquele que utilizo quando pensar é mais importante do que fazer.

Codeex é um aplicativo GUI de desktop nos modelos de bate-papo do OpenAI, otimizado para execução prática e multiferramentas com uma forte tendência para um comportamento pragmático e prático. É a coisa mais próxima que usei de "uma camada de sistema operacional para trabalho do AI" - o que significa que ela não apenas edita o código, ela opera sua máquina.

Depois de onze dias, aqui está o padrão que encontrei:

ração é onde brilha |

Eles são complementares, não concorrentes. Agora mantenho Claude Code aberto no iTerm e Codeex aberto no segundo monitor. Claude Code pensa, Codeex pensa. Quando tentei fazer com que qualquer um deles fizesse as duas tarefas, perdi tempo nas duas direções. Se você quiser uma noção mais profunda de onde os pontos fortes do Claude Code ainda dominam, minha postagem de 32 hacks de usuários avançados do Claude Code cobre os movimentos que o Codeex genuinamente não pode replicar.

Agora vamos construir.

A construção: um sistema de inteligência de comentários YouTube, da pasta vazia ao URL ativo

O objetivo: extrair os últimos cerca de 200 comentários do meu canal, analisá-los, gerar um relatório estruturado do Excel com gráficos e guias, construir um painel de host local para exploração ao vivo, implantar esse painel em uma URL pública Vercel e agendar uma atualização automática semanal que executa novamente todo o pipeline.

No Claude Code, eu planejaria isso como aproximadamente doze subtarefas em quatro agentes. No Codeex, fiz isso em um chat com oito prompts. Veja exatamente como.

Etapa 1: configuração do projeto e arquivo de integração agents.mmd

Criei uma pasta vazia em minha área de trabalho chamada youtube-comment-intel e arrastei-a para Codeex como um novo projeto. A primeira coisa que Codeex procura na raiz de qualquer projeto é um arquivo de redução de integração. A convenção é agents.mmd — um pequeno arquivo que informa ao agente quem é, o que o projeto faz, quais convenções seguir e onde estão os arquivos importantes.

O meu começou com cinco linhas:

Goal: pull recent comments from YouTube channel UC..., analyze sentiment
and topics, output Excel report + dashboard, deploy weekly.

API keys live in .env.local
Source code lives in /src
Output reports live in /reports

Codeex leia antes de fazer qualquer outra coisa. Vale a pena fazer uma pausa - a maioria dos aplicativos AI para desktop seguirão em frente com suas próprias suposições. Codeex procura ativamente o arquivo agents.mmd da mesma forma que Claude Code procura CLAUDE.md. Se você tratar seus arquivos de projeto como o sistema operacional AI — ou seja, o markdown, os arquivos env, a estrutura de pastas são a fonte da verdade que qualquer ferramenta AI pode ler — seu trabalho se torna portátil entre ferramentas em vez de preso em uma.

Esta é a prática recomendada mais subestimada que internalizei nos últimos seis meses. O agents.mmd do meu projeto YouTube podia ser lido por Claude Code sem modificação quando mais tarde abri a mesma pasta no iTerm. Os arquivos de habilidade que escrevi em Codeex eram 90% reutilizáveis ​​em Claude Code com pequenos ajustes de formato. Essa portabilidade só acontece se você se comprometer com arquivos de projeto como sistema operacional desde o primeiro dia.

Etapa 2: Aquisição de dados com dados YouTube API v3

Próximo prompt: "Configure o acesso aos dados YouTube API v3. Precisamos extrair os 200 comentários mais recentes do meu canal. Oriente-me na obtenção da chave e, em seguida, escreva o script de busca."

Nível de inteligência neste: médio. O trabalho de planejamento não precisa de muito trabalho – ele precisa que o modelo pense com clareza, não exaustivamente.

Codeex me orientou passo a passo sobre o fluxo do Google Cloud Console - crie um projeto, habilite YouTube Dados API v3, gere uma chave API, restrinja-a a esse API. Ele abriu as guias do navegador para mim usando a automação do navegador. Cliquei, copiei a chave e Codeex a escrevi diretamente em .env.local sem nunca exibir o valor bruto no chat (um pequeno toque de segurança que notei e apreciei).

Então ele escreveu o script de busca. Nó, axios, chamadas paginadas para commentThreads.list com part=snippet,replies&maxResults=100, duas passagens para atingir ~200, JSON bruto despejado em /data/comments-raw.json. A primeira execução obteve 197 comentários. Feito em menos de três minutos, de “vamos configurar o API” a “temos dados”.

É aqui que o Codeex começa a ficar à frente das ferramentas de chat puro. A automação do navegador não é uma demonstração – é um suporte de carga. O agente navegou no console.cloud.google.com, clicou em três caixas de diálogo modais e verificou que a chave estava ativa pressionando o API uma vez antes de soltá-lo no .env.local. Eu assisti o Cursor tentar isso e falhar. Eu assisti Claude Code tentar isso e me pedir para fazer isso manualmente. Codeex acabou de fazer isso.

Etapa 3: Escolhendo o nível de inteligência certo para o trabalho certo

Antes da próxima etapa, quero desacelerar as configurações do controle deslizante, porque é aqui que a maioria das análises do Codeex erram.

A inteligência superior nem sempre é melhor. Em extra-alto, o agente gastará mais tokens, levará mais tempo e – esta é a chave – às vezes, engenharia excessiva. Pedi uma vez em alta velocidade para "escrever um script rápido para desduplicar esta lista de comentários". Ele me deu um módulo de 180 linhas com classes de erro personalizadas, um logger, lógica de nova tentativa e uma interface CLI. Para um roteiro de trinta linhas.

O padrão que funciona:

• Baixa/média para planejamento, brainstorming, edições simples de arquivos, "como devo nomear esta coluna"
• Alto para compilações reais onde a correção é importante
• Extra alto para depurar falhas estranhas, refatoradores complexos, qualquer coisa em que você queira que o modelo realmente pense bem

Eu alternei entre eles constantemente durante a construção. Planeje em médio, construa em alto, depure em extra-alto. Se você deixar o controle deslizante extra alto o dia todo, você queimará tokens, atingirá os limites de contexto mais rapidamente e observará o trabalho do agente dourado que não precisava dele.

O gerenciamento de token e janela de contexto é outra peça que ninguém menciona. O GPT 5.5 tem uma janela de contexto generosa, mas não é infinita, e quando você atinge três mil linhas em um único bate-papo, a recuperação começa a falhar. Aprendi a iniciar um novo chat para cada fase principal do projeto (dados, análise, painel, implantação) mantendo a mesma pasta do projeto. Codeex retém o contexto do projeto – conteúdo do arquivo, o agents.mmd, habilidades anteriores – em todos os chats. O histórico do chat é apenas a memória de trabalho de uma fase, não a fonte da verdade.

Etapa 4: O resultado do Excel que me tornou um crente

A parte divertida. Prompt: "Pegue os comentários brutos, execute o agrupamento de sentimento + tópico neles e crie uma pasta de trabalho do Excel com estas guias: Insights do criador, Perguntas frequentes, Idéias de conteúdo, Dados brutos. Adicione um gráfico de pizza para sentimento e um gráfico de barras para frequência do tópico na guia Insights."

Inteligência: alta.

Codeex começou a trabalhar. Ele escreveu um script Python usando pandas e openpyxl, classificou cada comentário em um intervalo de tópicos (ele escolheu sete clusters automaticamente - "solicitações de tutorial", "perguntas sobre ferramentas", "debate", "apreciação", "reclamações", "fora do tópico", "spam"), atribuiu uma pontuação de sentimento e gerou a pasta de trabalho.

Então ele fez algo que não pedi e que me deixou feliz: abriu o arquivo Excel usando a automação GUI, verificou cada guia renderizada corretamente, capturou a captura de tela do gráfico de pizza e colocou a captura de tela no bate-papo como uma verificação de integridade. "Esta é a aparência da guia Insights - confirme se ela corresponde às suas expectativas antes de prosseguirmos." Esse é o tipo de etapa de autoverificação que o Claude Code pode realizar, mas geralmente precisa ser instruído a fazê-lo. Codeex foi padronizado para ele.

A pasta de trabalho tinha sinal real. A guia Perguntas frequentes trouxe à tona três perguntas que eu recebia repetidamente e que nunca havia notado porque estavam enterradas em um fluxo de comentários que raramente rola. A guia Ideias de conteúdo retirou doze tópicos de vídeo genuínos dos comentários “Gostaria que você cobrisse X”. A guia Creator Insights mostrou que o sentimento aumentou 14% nos últimos trinta dias em relação aos trinta anteriores.

Este foi o momento em que parei de pensar no Codeex como "outro wrapper GPT" e comecei a pensar nele como uma ferramenta real. Ele não apenas processava dados — produzia algo que eu teria pago US$ 300 a um freelancer para construir, em onze minutos, e eu era dono de cada linha do código.

Etapa 5: Transformando o fluxo de trabalho em uma habilidade reutilizável

Depois que a geração da pasta de trabalho funcionasse, eu queria transformar todo o pipeline em uma habilidade reutilizável para poder acionar a mesma análise no próximo mês com um comando de barra.

Prompt: "Converta este fluxo de trabalho - buscar comentários, executar análises, gerar Excel - em uma habilidade Codeex chamada /analyze-channel. Salve-a como uma habilidade global para que eu possa usá-la em outros canais também."

Codeex gerou um arquivo de habilidade de redução que capturou todo o fluxo: entradas necessárias (ID do canal, localização da chave API), dependências de ferramentas (axios, pandas, openpyxl), o modelo de prompt que orienta o agente e o formato de saída esperado. Salvei no diretório global de habilidades.

Testei-o em um canal diferente — digitei /analyze-channel UC... com o ID do canal de um amigo — e todo o pipeline foi executado do zero em oito minutos. Sem nova solicitação, sem depuração, sem copiar e colar código de um chat para outro.

O sistema Skill é o que torna o Codeex composto ao longo do tempo. A primeira compilação é lenta porque você está descobrindo o fluxo de trabalho. Na segunda vez, é um comando de barra. No décimo projeto que você construiu, você tem um kit de ferramentas pessoal de /analyze-channel, /deploy-to-vercel, /refresh-dashboard, /audit-seo que você invoca sem pensar. Este é o mesmo efeito composto que tornou o sistema de habilidades de Claude Code um grande desbloqueio de produtividade para mim no ano passado.

Global versus local é mais importante do que as pessoas imaginam. Global Skills são ajudantes universais – /deploy-to-vercel, /init-nextjs-project, /clean-csv. As habilidades locais são específicas do projeto — /refresh-youtube-comments reside apenas neste projeto porque o ID do canal, a chave API e o formato de saída são moldados pelo projeto. Não coloque habilidades específicas do projeto na pasta global. Eles poluirão todos os chats e confundirão o agente, fazendo-o tentar usá-los onde não se aplicam.

Etapa 6: Construindo o painel com imagem GPT 2 para os conceitos UI

Próximo prompt: "Crie um painel que visualize esses dados ao vivo. Execute-o no host local. Use Next.js. Gere um logotipo e uma ilustração principal com GPT Image 2 para o UI."

Inteligência: alta com um breve aumento para extra alta quando foi necessário depurar um problema de configuração do Tailwind.

Codeex criou um projeto Next.js 15, gerou o layout, usou seu plugin GPT Image 2 para criar um logotipo (um balão de comentários estilizado cruzado com um ícone de gráfico - surpreendentemente limpo) e uma ilustração de herói. Escreveu os ganchos de carregamento de dados que leem do mesmo /data/comments-raw.json que o script de análise grava. Construímos quatro componentes do gráfico – pizza de sentimentos, barra de tópicos, linha de série temporal para volume de comentários, tabela de perguntas principais – e os conectamos.

Em seguida, passou pelo controle de qualidade com automação do navegador. Abriu localhost:3000, rolou, clicou no filtro de cada gráfico, verificou os estados de foco, fez capturas de tela e colocou-as no bate-papo. "O painel é renderizado corretamente. Um bug: o menu suspenso do filtro de tópico está transbordando em larguras móveis abaixo de 375px. Quer que eu corrija?"

Sim, eu fiz. Isso consertou. Verificado novamente. Feito.

A automação do navegador aqui é realmente melhor do que qualquer outra ferramenta que testei. Eu usei o Playwright. Eu usei o uso do navegador. Usei as configurações sem cabeça que o Claude Code pode conduzir através do MCP. A camada do navegador do Codeex é mais rápida, mais confiável em páginas instáveis ​​e - este é o assassino - se recupera de erros. Quando uma página não carregava na primeira tentativa, ela não travava toda a cadeia. Ele tentou novamente, esperou mais e continuou.

Etapa 7: repositório privado GitHub para implantação automática de Vercel

Prompt: "Envie isso para um novo repositório GitHub privado e, em seguida, implante-o em Vercel."

Eu não havia configurado nada em GitHub ou Vercel para este projeto. Codeex fez todo o fluxo:

1. Git inicializado, feito o primeiro commit com uma mensagem limpa de commits convencionais
2. Usei o plugin GitHub (tive que colocar um token de acesso pessoal em .env.local uma vez – apenas na primeira vez) para criar um novo repositório privado
3. Empurrou o código, configure o controle remoto
4. Usei o plugin Vercel para importar o repositório, configurei a compilação (ele detectou automaticamente Next.js), defina variáveis de ambiente de .env.local
5. Acionou a primeira implantação
6. Monitorou os logs de implantação em tempo real, postou o URL ativo quando terminou

Tempo total de "enviar para GitHub" até "aqui está seu URL ativo": quatro minutos e doze segundos. O painel estava ativo. O repositório era privado. Os env vars foram definidos corretamente.

Este é o fluxo de trabalho que eu costumava fazer manualmente para cada projeto paralelo, e me custava 45 minutos clicando nas guias todas as vezes. Agora é um prompt.

Etapa 8: A automação semanal que fecha o ciclo

A peça final: agende uma atualização semanal que extrai novos comentários, regenera o relatório do Excel, reimplanta o painel com dados novos e confirma tudo no GitHub.

Prompt: "Agende um trabalho para executar todo esse pipeline todas as segundas-feiras às 6h. Extraia novos comentários, atualize o Excel, atualize os dados do painel, confirme alterações em GitHub, acione uma reimplantação de Vercel. Notifique-me quando terminar."

Inteligência: extra alta para este, porque agendamento é o tipo de coisa em que um erro significa um pipeline quebrado silenciosamente.

Codeex configura uma entrada cron local que desperta o próprio Codeex às 6h de segunda-feira, abre o projeto, executa a habilidade /analyze-channel e, em seguida, encadeia em uma habilidade /refresh-dashboard gerada instantaneamente, confirma os arquivos de dados com uma mensagem com carimbo de data e hora, envia para GitHub (que aciona automaticamente um Vercel é reimplantado devido à integração do GitHub) e me envia uma notificação do Slack quando concluído.

Ele também me fez uma pergunta que gostei: "Isso deve ser executado no modo de revisão automática — onde cada etapa é pausada para sua aprovação — ou no modo de acesso total, onde é executado de ponta a ponta sem confirmação?" Escolhi a revisão automática nas primeiras três semanas e acesso total depois disso.

Este modelo de permissão é uma das partes do Codeex em que mais confio. As permissões padrão exigem aprovação para qualquer coisa destrutiva – gravações de arquivos, chamadas de rede, commits de git, implantações. O modo de acesso total ignora essa verificação. Use o acesso total com cuidado. Eu só o habilito em fluxos de trabalho que já supervisionei em três ou quatro ciclos. Na primeira vez que você concede a um agente acesso irrestrito à sua máquina, você descobre rapidamente se confia em suas instruções tanto quanto pensa.

O que Codeex está errado

Devo a você a parte honesta desta revisão.

Codeex sobrecarrega os engenheiros quando você não gerencia o controle deslizante de inteligência. Mencionei isso anteriormente. Deixe no máximo o dia todo e o agente escreverá um microsserviço para você quando você solicitar uma função. Preste atenção ao controle deslizante.

A janela de contexto do bate-papo é generosa, mas não infinita. Em sessões longas, a recuperação começa a ultrapassar a marca de 200 mil tokens. A solução é iniciar novos bate-papos por fase e confiar nos arquivos do projeto como fonte da verdade. Se você tratar o bate-papo como sua memória, será mordido.

Alguns plug-ins precisam de chaves API manuais. A primeira ação GitHub, a primeira implantação Vercel, a primeira geração de imagem OpenAI - cada uma exigiu que eu colocasse uma chave em .env.local. Esta é uma higiene de segurança correta, mas a integração pode revelar isso de forma mais clara. Perdi vinte minutos no primeiro push GitHub porque perdi o prompt solicitando o token.

A animação do animal de estimação é genuinamente útil, mas eu mataria por um painel de registro "o que o agente está fazendo agora". O animal de estimação me diz que algo está acontecendo. Não me diz qual etapa da cadeia. Para pipelines de longa duração, quero uma árvore de tarefas visível. Solução alternativa mais próxima: peça ao Codeex para imprimir o status passo a passo do bate-papo. Funciona, mas adiciona ruído.

O preço atualmente é OpenAI-economics. Os custos dos tokens GPT 5.4 e 5.5 com inteligência extra-alta aumentam se você executar dezenas de sessões por dia. Um dia pesado para mim no Codeex queima mais do que um dia pesado no Claude Code no meu plano Anthropic. Vale a pena saber se você é sensível a custos.

Não é um substituto do Claude Code para trabalho de raciocínio pesado em código. Eu tentei. Eu perdi. Os dois são complementares. Não escolha um e abandone o outro.

As melhores práticas que eu gostaria de ter começado

Onze dias depois, aqui está o manual de operação que eu entregaria ao meu passado.

Trate seus arquivos de projeto como o sistema operacional AI. O agents.mmd, a estrutura de pastas, o .env.local, as Skills — eles são portáteis entre ferramentas. Construa-os corretamente e você poderá alternar entre Codeex, Claude Code e o que vier a seguir sem perder trabalho.

Sempre planeje primeiro no modo de plano. Codeex tem um modo de plano explícito em que o agente descreverá todo o trabalho antes de tocar em qualquer coisa. Use-o. Faça um brainstorming antes de executar. Ignorar o modo de plano é como você acaba com um script de desduplicação de 180 linhas.

Escolha o nível de inteligência deliberadamente. Médio para planejamento, alto para compilações, extra-alto para depuração. Não estacione.

Mantenha as permissões padrão ativadas até supervisionar o fluxo de trabalho três vezes. Em seguida, passe para o modo de acesso total somente para esse fluxo de trabalho específico. Nunca globalmente.

Escreva Habilidades para qualquer coisa que você fará duas vezes. A recompensa composta é enorme. Na segunda vez que você precisar de um fluxo de trabalho, deverá ser um comando de barra.

Execute Codeex e Claude Code em monitores diferentes. Use Claude Code para pensamento e arquitetura. Use Codeex para execução e orquestração. São ferramentas diferentes com potências diferentes.

Use o AI para analisar seus próprios fluxos de trabalho. Quando uma habilidade estiver funcionando perfeitamente, peça ao próprio Codeex para revisar a redução da habilidade e sugerir melhorias. É surpreendentemente bom em encontrar etapas redundantes e casos extremos com os quais teve que lidar ad-hoc.

Perguntas frequentes

Codeex é melhor que Claude Code?

Nenhum deles é estritamente melhor – eles são construídos para trabalhos diferentes. Codeex vence na execução prática de várias ferramentas (navegadores, implantações, pipelines de arquivos). Claude Code vence em raciocínio profundo, revisão de código e design de prompt complexo. Eu corro os dois diariamente. Para ver o lado a lado completo, consulte "Codeex vs Claude Code vs Cloud Code" acima.

O que é agents.mmd em Codeex?

agents.mmd é o arquivo de redução de integração que Codeex lê da raiz do projeto. Ele informa ao agente o objetivo, as convenções, os locais dos arquivos e as restrições do projeto. É o equivalente Codeex de CLAUDE.md e deve ser o primeiro arquivo que você escreve em qualquer novo projeto.

Preciso de uma chave OpenAI API para usar Codeex?

Codeex usa os modelos GPT 5.4 e 5.5 do OpenAI por meio de sua própria assinatura, portanto, você não precisa de uma chave OpenAI pessoal para o bate-papo principal. Você precisará de chaves API separadas para plug-ins como GitHub, Vercel ou YouTube Dados API - eles vão no .env.local do seu projeto.

Qual é a diferença entre o modo de revisão automática e o modo de acesso total?

O modo de revisão automática faz uma pausa antes de cada ação destrutiva (gravação, implantação, confirmação) para sua aprovação. O modo de acesso total executa todo o fluxo de trabalho sem confirmação. Comece na revisão automática para qualquer nova automação. Passe para acesso total somente após supervisionar três execuções bem-sucedidas.

O Codeex pode realmente automatizar as tarefas do navegador de maneira confiável?

Sim – a automação do navegador é a mais confiável que testei em ferramentas de agente, incluindo configurações baseadas no Playwright e uso do navegador. Ele se recupera de falhas no carregamento de páginas, tenta novamente em seletores instáveis ​​e verifica ações visualmente. Detalhe na seção de construção do painel acima.

O que farei a seguir

O sistema de comentários YouTube funciona todas as segundas-feiras às 6h. O painel na URL pública Vercel é atualizado antes de eu acordar. O relatório do Excel fica no meu Drive com novas guias a cada semana. Não toquei em nada há nove dias.

Esse é o teste que executo em cada ferramenta que abordo aqui: ela permaneceu construída? Ou eu tive que continuar resgatando-o? Codeex aprovado. O pipeline ainda está funcionando de forma limpa, os dados ainda estão atualizados e o custo de um dos meus fluxos de trabalho de maior alavancagem caiu para zero com manutenção contínua.

Esta é a parte que quero que você assista. O que fez esse projeto funcionar não foi o Codeex por si só. Era Codeex mais uma pasta de projeto que tratei como sistema operacional, mais habilidades que desenvolvi deliberadamente, mais uma disciplina em torno de níveis de inteligência e permissões que me levaram a quatro tentativas frustradas de aprender.

Se você for experimentar o Codeex esta semana - e deveria - escolha um fluxo de trabalho que você vem adiando há meses porque a cola era muito entediante. Abra uma pasta vazia. Escreva um agents.mmd de cinco linhas. Planeje em médio, construa em alto, depure em extra-alto. Permaneça na revisão automática até confiar nela. Salve o fluxo de trabalho como uma habilidade. Então escolha o próximo.

A animação do animal de estimação informará que está funcionando. O URL ativo informará que está pronto.

Vamos trabalhar juntos

Procurando construir sistemas AI, automatizar fluxos de trabalho ou dimensionar sua infraestrutura tecnológica? Eu adoraria ajudar.

• Fiverr (compilações e integrações personalizadas): fiverr.com/s/EgxYmWD
• Portfólio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e marca): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io