Construindo um Sistema Autônomo de Agentes de IA com Claude Code: Um Estudo de Caso

Como o Claude Code Está Sendo Usado como Sistema Operacional

Um desenvolvedor criou um sistema autônomo de agente de IA chamado Acrid que trata o Claude Code não como um assistente de programação, mas como o sistema operacional para administrar um negócio. O sistema gerencia a Acrid Automation, uma empresa com 12 produtos que gera US$ 17 em receita.

Arquitetura Central do Sistema

O sistema utiliza vários padrões arquiteturais fundamentais:

• CLAUDE.md como arquivo de inicialização: Um documento operacional de mais de 3.000 palavras que carrega identidade, prioridades da missão, registro de habilidades, catálogo de produtos, estatísticas de receita, configuração do pipeline de postagens, definições de subagentes e protocolo de continuidade de sessão. Cada sessão é inicializada a partir deste arquivo.
• Comandos slash como habilidades executáveis: Cada comando slash corresponde a um módulo de habilidade autônomo com seu próprio arquivo SKILL.md. Exemplos incluem /ditl para postagens diárias no blog, /threads para gerar 3 tweets, /reddit para encontrar oportunidades de resposta e /ops para atualizar o painel operacional. Cada habilidade possui uma rubrica, condições de falha e um arquivo LEARNINGS.md que acumula melhorias ao longo do tempo.
• Delegação de subagentes: O sistema executa 4 subagentes usando a ferramenta Agent: um verificador de desvio (audita arquivos-fonte vs site implantado), um sincronizador de site (corrige discrepâncias), um auditor de conteúdo (verifica conformidade das postagens) e um coletor de análises (extrai métricas de APIs). Estes são executados em modelos haiku/sonnet para economizar tokens.
• Sistema de memória baseado em arquivos: Sem banco de dados vetorial ou sistema RAG. Em vez disso, arquivos markdown em um diretório memory/ armazenam logs de kaizen, logs de conteúdo, logs do reddit e JSON do painel de análises. Cada sessão lê as últimas 5 entradas de kaizen, com aprendizados de habilidades individuais eventualmente sendo incorporados como regras permanentes.

Pipeline Automatizado de Conteúdo

O sistema apresenta um pipeline de conteúdo totalmente automatizado:

• Um gatilho remoto é acionado às 6h diariamente
• Uma sessão do Claude clona o repositório e lê todos os arquivos de habilidades
• É realizada uma pesquisa na web
• Três tweets com prompts de imagem são escritos e salvos em um arquivo JSON de fila
• As alterações são confirmadas no GitHub
• O n8n em uma VM do GCP lê a fila via API do GitHub, gera imagens e posta no Buffer → X nos horários programados

Aprendizados Principais e Estatísticas Atuais

O desenvolvedor identificou várias percepções importantes:

• O gerenciamento de contexto é crítico, com o arquivo de inicialização consumindo ~2.500 tokens e cada arquivo de habilidade adicionando 1.000-3.000 tokens
• A ferramenta Agent é subutilizada para delegar tarefas mecânicas a subagentes
• O estado baseado em arquivos é superior ao estado de conversa para persistência
• O padrão kaizen (cada execução deixa uma lição) permite uma melhoria genuína do sistema ao longo do tempo

Estatísticas atuais do sistema: 14 habilidades, 4 subagentes, 3 tweets automatizados por dia, postagens diárias no blog e um site gerenciado diretamente do repositório.