Quando o criador do agente de codificação mais avançado do mundo fala, Silicon Valley não apenas ouve — Toma notas.
Na última semana, a comunidade de engenharia tem dissecado thread no X de Boris Cherny, o criador e chefe de Código Claude em AntrópicoO que começou como um compartilhamento casual de sua configuração de terminal pessoal tem espiralado em um manifesto viral sobre o futuro do desenvolvimento de software, com insiders da indústria chamando-lhe um momento divisor de águas para a inicialização.
"Se você não está lendo as melhores práticas do Código Claude diretamente de seu criador, você está por trás como programador", escreveu Jeff Tang, uma voz proeminente na comunidade desenvolvedora. Kyle McNease, outro observador da indústria, foi mais longe, declarando que com as "atualizações de mudança de jogo" de Cherny, Anthropic está "em chamas", potencialmente enfrentando "seu momento ChatGPT".
A excitação vem de um paradoxo: o fluxo de trabalho de Cherny é surpreendentemente simples, mas permite que um único humano opere com a capacidade de saída de um pequeno departamento de engenharia. Como um usuário observou em X após a implementação da configuração de Cherny, a experiência "se sente mais como Starcraft" do que a codificação tradicional — uma mudança da sintaxe de digitação para as unidades autônomas de comando.
Aqui está uma análise do fluxo de trabalho que está reformulando como o software é construído, diretamente do próprio arquiteto.
Como executar cinco agentes de IA de uma vez transforma codificação em um jogo de estratégia em tempo real
A revelação mais impressionante da revelação de Cherny é que ele não codifica de forma linear. No tradicional "laço interno" de desenvolvimento, um programador escreve uma função, testa-a e passa para a próxima. Cherny, no entanto, atua como um comandante de frota.
"Corro 5 Claudes em paralelo no meu terminal", escreveu Cherny. "Eu numero minhas abas 1-5, e uso notificações do sistema para saber quando um Claude precisa de entrada."
Utilizando notificações do sistema iTerm2, Cherny gerencia efetivamente cinco fluxos de trabalho simultâneos. Enquanto um agente executa um conjunto de testes, outro refatora um módulo legado e um terceiro rascunho de documentação. Ele também corre "5-10 Claudes em Claude." em seu navegador, usando um comando "teleport" para distribuir sessões entre a web e sua máquina local.
Isto valida o "fazer mais com menos" estratégia articulada pela presidente antrópica Daniela Amodei no início desta semana. Enquanto concorrentes como a OpenAI perseguem construções de infraestrutura trilionárias, a Anthropic está provando que a orquestração superior dos modelos existentes pode gerar ganhos de produtividade exponenciais.
O caso contraintuitivo para escolher o modelo mais lento e inteligente
Em um movimento surpreendente para uma indústria obcecada com a latência, Cherny revelou que ele usa exclusivamente o modelo mais pesado e lento do Anthropic: Opus 4.5.
"Eu uso Opus 4.5 com pensar para tudo," Cherny explicado"É o melhor modelo de codificação que eu já usei, e mesmo que seja maior e mais lento do que Sonnet, já que você tem que guiá-lo menos e é melhor no uso de ferramentas, é quase sempre mais rápido do que usar um modelo menor no final."
Para os líderes de tecnologia empresarial, esta é uma visão crítica. O gargalo no desenvolvimento moderno da IA não é a velocidade de geração do símbolo; é o tempo humano gasto corrigindo os erros da IA. O fluxo de trabalho de Cherny sugere que pagar o "imposto de computação" para um modelo mais inteligente antecipadamente elimina o "imposto de correção" mais tarde.
Um arquivo compartilhado transforma cada erro de IA em uma lição permanente
Cherny também detalha como sua equipe resolve o problema da amnésia da IA. Modelos de linguagem grandes padrão não "lembram" o estilo de codificação específico de uma empresa ou decisões arquitetônicas de uma sessão para outra.
Para resolver isso, a equipe de Cherny mantém um único arquivo chamado CLAUDE.md em seu repositório git. "Sempre que vemos Claude fazer algo incorretamente, adicionamos ao CLAUDE.md, para que Claude saiba não fazer da próxima vez", escreveu.
Essa prática transforma a base de códigos em um organismo autocorretor. Quando um desenvolvedor humano analisa uma solicitação de pull e vê um erro, eles não apenas corrigir o código; eles marcam a IA para atualizar suas próprias instruções. "Cada erro torna-se uma regra," observou Aakash Gupta, líder do produto analisando o fio. Quanto mais tempo a equipa trabalha em conjunto, mais inteligente fica o agente.
Slash comandos e subagentes automatizar as partes mais tediosas do desenvolvimento
O fluxo de trabalho "vanilla" um observador elogiado é alimentado por rigorosa automação de tarefas repetitivas. Cherny usa comandos de barra — atalhos personalizados verificados no repositório do projeto — para lidar com operações complexas com uma única tecla.
Ele destacou um comando chamado /commit-push-pr, que ele invoca dezenas de vezes por dia. Em vez de digitar manualmente comandos git, escrever uma mensagem de commit e abrir uma requisição pull, o agente lida com a burocracia do controle de versão de forma autônoma.
Cherny também implementa subagentes — Personas AI especializadas — lidar com fases específicas do ciclo de vida do desenvolvimento. Ele usa um simplificador de código para limpar arquitetura após o trabalho principal ser feito e um agente de verificação para executar testes de ponta a ponta antes de qualquer coisa.
Por que os loops de verificação são o verdadeiro desbloqueio para o código gerado por IA
Se houver uma única razão para Claude Code ter atingido $1 bilhão em receita anual recorrente tão rapidamente, é provável que seja o circuito de verificação. A IA não é apenas um gerador de texto, é um testador.
"Claude testa cada mudança que eu aterro para claude.ai/código usando a extensão Claude Chrome", escreveu Cherny. "Abre um navegador, testa a UI e itera até que o código funcione e o UX se sinta bem."
Argumenta que dar à IA uma forma de verificar o seu próprio trabalho — quer através de automação do navegador, execução de comandos bash, ou execução de suites de teste — melhora a qualidade do resultado final por "2-3x". O agente não escreve apenas código; prova que o código funciona.
O que o fluxo de trabalho de Cherny sinaliza sobre o futuro da engenharia de software
A reação à linha de Cherny sugere uma mudança crucial na forma como os desenvolvedores pensam sobre seu ofício. Durante anos, "código de IA" significou uma função autocompletar em um editor de texto — uma maneira mais rápida de digitar. Cherny demonstrou que agora pode funcionar como um sistema operacional para o próprio trabalho.
"Leia isto se você já é engenheiro... e quer mais poder," Jeff Tang resumido em X.
As ferramentas para multiplicar a produção humana por um fator de cinco já estão aqui. Eles exigem apenas uma vontade de parar de pensar em IA como um assistente e começar a tratá-lo como uma força de trabalho. Os programadores que primeiro dão esse salto mental não serão apenas mais produtivos. Eles estarão jogando um jogo completamente diferente — e todos os outros ainda estarão a dactilografar.
