Rules, skills, agents.md e padroes reutilizaveis. Do uso individual ao padrao de time versionado.
A diferenca entre dar contexto ad-hoc ao modelo (copiar-colar manual) e estruturar esse contexto em artefatos versionados: rules files, skills directories, agents.md e bibliotecas de prompts. Cada formato tem um proposito e escopo diferente.
Contexto solto nao escala. Quando voce tem 5 devs usando IA, cada um dando instrucoes diferentes, o output e inconsistente. Padronizar contexto em artefatos versionados garante que todos os agentes se comportam da mesma forma.
CLAUDE.md, .cursorrules, agents.md, skills directories, prompt libraries, context-as-code, versionamento de contexto.
Como encapsular comportamento de IA de forma previsivel. Definir contratos claros: dado este input e estas regras, o agente deve produzir este tipo de output. Transformar comportamento emergente em comportamento deterministico.
IA sem guardrails e imprevisivel. Encapsular comportamento em padroes claros reduz variancia e aumenta confianca. Times que fazem isso reportam 80%+ de aderencia nas primeiras 150 instrucoes.
Behavioral contracts, instruction compliance, output templates, guardrails, predictability vs flexibility trade-off, instruction budget (~150-200 rules).
Definir explicitamente o que o agente pode e nao pode fazer. Quais decisoes ele toma sozinho, quais precisam de aprovacao humana, quais sao proibidas. Convencoes escritas que governam a interacao humano-IA.
Sem contratos claros, o agente toma decisoes que deveriam ser humanas e nao toma as que poderia. Definir limites formais reduz risco e aumenta a autonomia util do agente dentro de fronteiras seguras.
Autonomy levels, decision boundaries, approval workflows, prohibited actions, permission scoping, trust tiers, escalation policies.
Skills sao unidades reutilizaveis de capacidade do agente. Cada skill encapsula um comportamento especifico (code review, geracao de testes, documentacao) com seu proprio prompt, ferramentas e criterios de validacao.
Em vez de reescrever o mesmo prompt toda vez, voce cria skills que qualquer membro do time pode invocar com resultado consistente. Skills bem feitas sao como funcoes: input definido, output previsivel, testavel.
Skill definition, trigger conditions, input/output contracts, skill testing, skill composition, skill versioning, skill discovery.
Os trade-offs reais entre flexibilidade (cada dev configura como quer), consistencia (todos usam o mesmo padrao) e manutencao (quem atualiza os padroes). Nenhum extremo funciona.
Padronizacao excessiva engessa e gera resistencia. Flexibilidade total gera caos. O ponto ideal varia por time e maturidade. Saber calibrar e habilidade de tech lead.
Convention over configuration, shared vs personal rules, maintenance burden, adoption resistance, progressive standardization, escape hatches.
Tratar CLAUDE.md e rules files como assets de time, versionados e revisados como codigo. Padronizacao cross-team com formato unico na organizacao para que agentes se comportem de forma consistente independente de quem invoca.
Sem padrao organizacional, cada time reinventa o formato de rules. Com padrao unico, um dev que muda de time ja sabe como funciona. Alem disso, permite metricas de aderencia e melhoria continua.
Organizational standards, template repositories, CLAUDE.md code review, CHANGELOG de regras, compliance metrics, cross-team sharing.
Criar 3 skills reutilizaveis para Claude Code: (1) skill de code review com checklist customizado, (2) skill de geracao de testes seguindo padrao do time, (3) skill de documentacao com template especifico. Testar cada uma em 3 cenarios diferentes.
Biblioteca de 15 prompts para o time: cada um com nome, descricao, template, exemplos de uso e criterios de validacao. Tudo no git com CHANGELOG. Revisar em pair como se fosse codigo.
Definir por escrito: quais decisoes o agente pode tomar sozinho, quais precisam de aprovacao, quais sao proibidas. Implementar como guardrails no CLAUDE.md. Testar: o agente respeita os limites?
Pegar style guide e architecture docs existentes, traduzir em regras que o AI segue automaticamente. Testar com 5 tarefas e medir aderencia (% de outputs que seguem as regras sem correcao).