Como usar IA - Dicas e Truques

Assistentes de IA já fazem parte do dia a dia de quem desenvolve. Depois de muita tentativa e erro, surge uma configuração que mantém a produtividade alta sem queimar tokens nem afogar o modelo em ruído.

O assistente: Claude Code

O Claude Code é onde acontece a maior parte do trabalho assistido por IA: escrever código novo, refatorar módulos existentes e refinar detalhes técnicos. Todo o resto deste post existe para fazê-lo funcionar melhor.

Skills

Skills são instruções e capacidades reutilizáveis que podem ser conectadas a um assistente. Estas são as que valem a pena ter.

rtk: menos tokens na saída do shell

O rtk intercepta a saída dos comandos do shell antes que ela chegue ao contexto da IA, de modo que o modelo recebe a mesma informação com muito menos tokens. Comandos como git status ou execuções de testes podem gerar muito ruído, e o rtk elimina esse excesso.

Instale a CLI com Homebrew e inicialize para o Claude Code:

brew install rtk

# Claude Code / Copilot (padrão)
rtk init -g

Depois de reiniciar o assistente, teste executando git status. Em seguida, rode rtk gain para ver quantos tokens foram economizados.

caveman: why use many token when few token do trick

O caveman faz a IA responder de forma muito mais compacta, reduzindo a verbosidade da saída.

npx skills add JuliusBrussee/caveman -a claude-code --with-init

Para verificar se está funcionando, execute /skills dentro do Claude Code.

ccusage: monitoramento de gastos

O ccusage analisa o uso do Claude Code e mostra para onde vão os tokens (e o dinheiro). Por exemplo, para ver as últimas duas semanas:

npx ccusage@latest weekly --last 2

Para não precisar digitar o comando completo toda vez, adicione um atalho ao ~/.bashrc (use ~/.zshrc no zsh):

echo "alias ccusage-weekly='npx ccusage@latest weekly --last 2'" >> ~/.bashrc
source ~/.bashrc

A partir daí, basta executar ccusage-weekly para ver o uso das últimas duas semanas.

graphify: transforme uma base de código em um grafo de conhecimento

O Graphify transforma qualquer base de código, junto com docs, schemas SQL, configs e PDFs, em um grafo de conhecimento consultável. Funciona como uma skill /graphify para o Claude Code, usando análise AST local e determinística. Cada conexão é explicada e não há vector store envolvido.

pipx install graphifyy

# detecta o assistente (Claude Code) e registra a skill
graphify install

Em seguida, dentro do projeto, digite /graphify no assistente de IA e ele mapeia o projeto inteiro (código, docs, PDFs, imagens, vídeos) em um grafo de conhecimento que pode ser consultado em vez de vasculhar arquivos.

/graphify .

Por padrão, um assistente explora uma base de código fazendo grep e abrindo arquivos um a um. Isso custa tokens e pode deixar passar como as coisas se conectam entre arquivos.

O Graphify analisa o projeto uma única vez e gera um grafo de conhecimento, em que os conceitos são nós e as chamadas, imports e heranças são arestas. O assistente então consulta o grafo em vez de buscar nos arquivos brutos.

Bônus: usando o Claude Code com o OpenRouter

O Claude Code também pode rodar através do OpenRouter, o que permite escolher o modelo por trás dele.

Instale o Claude Code:

curl -fsSL https://claude.ai/install.sh | bash

Depois, adicione as variáveis de ambiente ao perfil do shell:

# CLAUDE CODE
export OPENROUTER_API_KEY="<your-openrouter-api-key>"
export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
export ANTHROPIC_AUTH_TOKEN="$OPENROUTER_API_KEY"
export ANTHROPIC_API_KEY="" # Importante: deve estar explicitamente vazia
export CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY=1

# CLAUDE CODE - MODELO PERSONALIZADO
export ANTHROPIC_DEFAULT_FABLE_MODEL="openai/gpt-6-luna-pro"
export ANTHROPIC_DEFAULT_OPUS_MODEL="openai/gpt-6-luna-pro"
export ANTHROPIC_DEFAULT_SONNET_MODEL="openai/gpt-6-luna-pro"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="openai/gpt-6-luna-pro"
export CLAUDE_CODE_SUBAGENT_MODEL="openai/gpt-6-luna-pro"

Mantenha a chave de API fora do controle de versão e troque o nome do modelo pelo que for desejado.

MCPs

Servidores MCP (Model Context Protocol) conectam a IA a fontes externas de verdade.

• Context7 conecta a IA a documentações e referências de frameworks atualizadas em tempo real. Isso evita o problema clássico de o modelo sugerir APIs que foram descontinuadas há duas versões.
• Figma MCP lê designs, extrai tokens e componentes e gera código frontend pronto para produção a partir deles.

Ferramentas: Flow Companion para revisão de PR

Para pull requests, o Flow Companion funciona como um segundo par de olhos. Ele apoia o processo de revisão e ajuda a pegar coisas que poderiam passar despercebidas.

Hábitos que fazem diferença

As ferramentas importam, mas os hábitos importam mais:

1. Dê arquivos como contexto. Apontar a IA para os arquivos exatos evita esforço desperdiçado procurando na base de código, e as respostas saem melhores.
2. Comece novas conversas. Conversas longas são caras e ruidosas, porque o histórico inteiro é enviado como contexto a cada mensagem. Quando uma tarefa termina, comece do zero.
3. Mantenha um AGENTS.md em todo projeto. Esse arquivo orienta a IA e a ajuda a entender a estrutura, as convenções e os comandos do projeto.
4. Escreva em inglês. Se comunicar com a IA em inglês tende a gerar os resultados mais consistentes.

Resetando o Claude Code

Quando as coisas ficam bagunçadas (skills, MCPs ou plugins demais), estes comandos ajudam a limpar tudo e recomeçar:

# Remover todas as skills globais
rm -rf ~/.claude/skills/

# Listar os MCPs e remover um específico
claude mcp list
claude mcp remove MCP_NAME

# Listar os plugins e remover um específico
claude plugin list
claude plugin remove PLUGIN_NAME

Concluindo

Uma boa configuração de IA se resume a duas ideias: dar bom contexto à IA (docs, designs, diretrizes do projeto) e manter esse contexto enxuto (skills que economizam tokens, conversas curtas, arquivos direcionados). As ferramentas vão continuar mudando, mas esses dois princípios têm se mantido até aqui.