Escrever código é algo que a IA já faz por você. Aprovar o trabalho ainda é tarefa sua. Se um trecho de código está realmente correto sempre foi o ponto cego da IA — você lê linha por linha no final, e essa etapa trava muita equipe.
Em 22 de julho, a Anthropic preencheu essa lacuna também. Eles ensinaram o Claude a parar de entregar o trabalho no momento em que é escrito e, em vez disso, rodar quatro verificações em si mesmo: /code-review para caçar bugs, /simplify para remover excessos, /verify para validação ponta a ponta e /design para conferir a implementação visual. Se as quatro passam, aí sim entrega.
A IA saiu de “sabe escrever código” para “sabe revisar o próprio código”.
O Loop de Verificação: a Peça que Faltava no Circuito do Agente
A Anthropic chama o mecanismo de loop de verificação — um processo iterativo em que o Claude verifica e tenta corrigir o próprio trabalho. O que mudou é o formato do circuito do agente:
-
Antes: coletar contexto → agir → humano verifica.
-
Agora: coletar contexto → agir → verificar automaticamente → corrigir → verificar de novo.
Verificar e corrigir entraram para dentro do loop; o humano é acionado só no final. Algumas verificações o Claude já faz — sinais determinísticos como type checkers, linters, falhas de teste e exceções em runtime são legíveis para ele, e ele corrige o que elas apontam sem pedir.
A parte difícil sempre foi a outra classe: a UI ficou certa?, o fluxo do usuário se sustenta?, essa mudança enterrou uma mina que ninguém consegue ver? Essas verificações costumavam pertencer a humanos que repetiam a mesma inspeção dezenas ou centenas de vezes. A solução da Anthropic: anotar toda verificação que você faria manualmente de qualquer jeito, empacotar cada uma como uma Skill e deixar o Claude rodá-las automaticamente a cada tarefa.
As Quatro Skills de Autoverificação que o Time do Claude Code Usa Diariamente
/code-review — o revisor incansável
Audita as mudanças, aponta bugs potenciais e devolve comentários de revisão. Na prática, um revisor do seu time que nunca se cansa.
/simplify — subtração como funcionalidade
Limpa o diff da mudança atual: apaga implementações confusas e simplifica a estrutura. Nunca adiciona funcionalidades — remove redundância, empurra para baixo o custo de manutenção futuro. A maioria das ferramentas empilha código; uma ferramenta que subtrai voluntariamente é rara.
/verify — ponta a ponta, de verdade
Realmente executa a aplicação e confirma que a funcionalidade funciona — em vez de apenas parecer pronta.
/design — conformidade visual
Só entra em campo quando a UI mudou. Ele lê o DESIGN.md do repositório e confere sua implementação visual item por item.
Essas quatro não surgiram do nada. Por baixo, o Claude Code já oferece uma camada de verificação: o /verify embutido pode iniciar sua aplicação e observar mudanças, e se você documentar os comandos de build e teste no CLAUDE.md, ele os segue. As quatro Skills do time acrescentam sua própria etapa de processo sobre essa base compartilhada.
Como Escrever sua Própria Skill de Verificação
O método da Anthropic é desarmantemente simples: anotar, em linguagem corriqueira, o passo que você executa manualmente todas as vezes — como se estivesse explicando a tarefa a um novato no primeiro dia. O exemplo deles: qualquer mudança que remova um campo do banco de dados sem a migração de dados correspondente é rejeitada. Nenhum linter genérico vai pegar isso; é uma regra da casa do seu projeto. Qualquer linha vermelha que hoje você só consegue garantir olhando manualmente vale virar um loop.
Na prática: basta soltar um arquivo Markdown em .claude/skills/ — a Skill de verificação mais simples são algumas linhas de instruções mais um corpo. Depois, rode uma tarefa nova e confirme que a verificação realmente disparou; ajuste se não.
Verificação Não é Tudo ou Nada: Quatro Níveis de Automação
-
Avulsa — você lembra de invocá-la manualmente.
-
Embutida — conectada ao fluxo de uma tarefa para rodar junto.
-
Encadeada — várias Skills de verificação ligadas em uma cadeia que roda uma após a outra automaticamente.
-
Em todo PR — o nível mais rigoroso: toda submissão passa por ela automaticamente.
A Anthropic chama a transição do meio de “do hábito ao contrato”. “Eu lembro de rodar /verify depois do /simplify” é um hábito pessoal; encadeado, vira “quando o /simplify termina, o /verify dispara” — um contrato fixo. A cadeia percorre o loop de desenvolvimento sozinha e só volta quando uma decisão humana é realmente necessária. Cadeias mais longas são mais confiáveis, com uma ressalva oficial: verificação encadeada queima tokens de verdade. Comprove a estabilidade primeiro, depois estenda passo a passo.
A Codificação com IA Está Girando da Geração para a Verificação
Por trás das quatro Skills, a competição está mudando de trilho. O criador do Claude Code foi direto ao ponto em junho: numa era em que modelos fortes rodam autonomamente por longos períodos, a autoverificação é a chave para rodar mais tempo mantendo-se alinhado ao que você realmente queria. Quanto mais robusta a verificação, mais longe os agentes se atrevem a ir — e menos você precisa olhar por cima do ombro.
Prompts eram a resposta antiga, e prompts têm um teto: servem a uma tarefa, e depois você começa de novo. Um equívoco comum merece correção aqui: uma Skill não é uma laje de prompt em Markdown. É um módulo de capacidade — instruções, estruturas de arquivos, scripts, chamadas de ferramentas, configuração e um fluxo de trabalho inteiro — as verificações, padrões de design e cicatrizes do seu time empacotadas em algo pronto para uso. Vale destacar: as Skills estão saindo de funcionalidade do Claude Code para virar um padrão aberto entre fornecedores: GitHub Copilot, Cursor, OpenAI Codex e Gemini CLI já adotaram o mesmo formato, então as Skills que seu time construir não ficarão presas a uma única ferramenta.
O que leva a uma verdade desconfortável: o mesmo Claude pode entregar produtividades várias vezes diferentes dependendo da equipe. A diferença não está no modelo — está no fluxo de trabalho. Você escreveu suas verificações como Skills? Construiu um loop de verificação? Deixou o agente fechar o próprio circuito de feedback?
A capacidade de um agente é um problema de adição: modelo + ferramentas + mecanismo de verificação + fluxo de trabalho. O termo do modelo converge entre os fornecedores. Os outros três pertencem inteiramente a você.
Passamos anos ensinando a IA a escrever código. Agora começamos a ensiná-la a conferir se o que escreveu está certo. O dia em que “mais uma revisão manual antes de encerrar o expediente” puder ser entregue à IA com confiança de verdade é o dia em que ela passa a carregar peso real por você.
