Usando o Claude Code para reviver projetos pessoais abandonados: um guia prático

Matthew Brunelle escreve sobre o uso de ferramentas de assistência de codificação com IA (especificamente Claude Code com Opus 4.6) para reviver projetos pessoais abandonados. Seu projeto: uma ponte entre YouTube Music e a OpenSubsonic API que permite que qualquer cliente compatível com Subsonic (Navidrome, Feishin, Symfonium) transmita música do YouTube Music. O projeto originalmente parou devido à longa lista de endpoints a serem implementados.
Configuração
Brunelle criou um projeto uv com fastapi, pydantic, ytmusicapi e yt-dlp como dependências. Ele colocou a especificação OpenAPI do OpenSubsonic na pasta, adicionou um breve README, um arquivo TODO vazio e gerou um CLAUDE.md via /init. Ele também adicionou convenções ao CLAUDE.md:
## Convenções
- Métodos devem ter anotações de tipo para argumentos e retorno, além de docstrings.
- Use Pydantic para modelagem de dados. Use convenções modernas do Pydantic V2.
- Docstrings devem usar o formato Google style com seções de argumentos e retorno.
- Escreva testes unitários com estilo moderno do pytest, por exemplo, métodos de nível superior usando `assert` e fixtures.
Fluxo de trabalho
Fluxo de trabalho típico de Brunelle:
- Entre no modo de planejamento. Peça a próxima tarefa a ser feita.
- Após obter o plano inicial, procure lacunas/problemas e faça perguntas de acompanhamento até ficar satisfeito.
- Forneça links para recursos quando Claude estiver errado.
- Peça a Claude que use a ferramenta de busca para abordagens idiomáticas.
- Use "Aceitar e limpar contexto". Repita.
Implementação inicial
Primeiro prompt: Dê uma olhada no arquivo openapi.json. Esta é uma especificação para a API opensubsonic. Implemente um servidor fastapi assíncrono que crie stubs para todos os métodos. Você só precisa lidar com os endpoints JSON mais recentes.
Após implementar os stubs, ele verificou a correção com um prompt de acompanhamento. Mesmo com uma especificação, Claude cometeu erros na primeira vez, mas os corrigiu na segunda tentativa. Ele também executou /init novamente para atualizar o CLAUDE.md.
Próximo prompt importante
Os métodos para todos os endpoints agora estão com stubs. Quero conectar um cliente subsonic, pesquisar uma música e transmiti-la para o cliente. Qual é a quantidade mínima de funcionalidade necessária para implementar isso? Use ytmusicapi para pesquisar no YouTube Music e yt-dlp para streaming.
Brunelle relata que a implementação inicial de streaming parecia razoável, mas falhou ao conectar com o Feishin. O artigo é interrompido antes de detalhar a correção, mas o post completo contém a resolução.
Brunelle observa que projetos abandonados são candidatos ideais para testar assistência de codificação com IA: "eles nunca seriam concluídos de qualquer forma". Ele planeja publicar um post de acompanhamento no OpenCode.
📖 Leia a fonte completa: HN AI Agents
👀 See Also

MCP gratuito permite que Claude analise automaticamente dados do Google Search Console
Um servidor MCP (Model Context Protocol) gratuito permite que o Claude consulte diretamente os dados do Google Search Console para qualquer site ao qual você tenha acesso. Faça perguntas sobre consultas, páginas, cliques, impressões, CTR e posição sem exportar CSVs manualmente.

Demonstração para Micropagamentos de Agentes de IA Usando x402 e Solana
A demonstração x402-hello ilustra como agentes de IA podem lidar autonomamente com micropagamentos usando USDC na blockchain Solana.

Nexus: Protocolo de IA para IA de Código Aberto com Descoberta, Confiança e Pagamentos
Nexus é um protocolo auto-hospedado que permite que agentes de IA se descubram, negociem termos, verifiquem respostas e lidem com micropagamentos sem intervenção humana. Inclui cinco camadas: descoberta, confiança, protocolo, roteamento e federação, com 66 testes e licenciamento MIT.

Resultados Práticos de 11 Construções de Software Multiagente sem Scaffolding Programático
Análise de 11 construções autônomas de multiagentes mostra que a aplicação de escopo funciona mecanicamente (20/20 sucessos) não por meio de prompts (0/20), os custos de orquestração são dominados pela reingestão de memória (~95% do gasto de entrada), e a capacidade do modelo do trabalhador cria lacunas de produtividade de 9,8x.