Curadoria de ferramentas, artigos e ensaios para líderes AI-First.
A biblioteca da Capiva é uma curadoria de guias, ensaios, ferramentas e artigos sobre IA aplicada a negócios — de AI harness e engenharia de contexto a GEO/AEO (visibilidade em IA) e Centros de Excelência de IA. Use os filtros abaixo para ir direto ao tipo de conteúdo que você procura.
Como configurar MCP no Claude Code: claude mcp add pra HTTP e stdio, escopos local, project e user, .mcp.json com variáveis e aprovação. Comandos testados.
Como criar subagentes no Claude Code: arquivo em .claude/agents, frontmatter, tools e model, validação, como chamar e quando delegar. Com exemplo testado.
MCP vs API vs Skills vs CLI no Claude Code: a mesma tarefa pelos três caminhos, onde a Skill entra e uma tabela de quando usar cada um. Testado.
Como economizar tokens no Claude Code: medir com /context, /clear vs /compact, o que quebra o prompt cache, CLAUDE.md enxuto, MCP e subagentes. Com fontes.
Como configurar hooks no Claude Code com 3 exemplos testados: PreToolUse protege migrações, PostToolUse roda o ruff e Stop exige testes verdes.
O que é o CLAUDE.md e como escrever um que o Claude Code segue: exemplo comentado, tamanho ideal, CLAUDE.md vs AGENTS.md, regras por caminho e lint.
Como criar um servidor MCP em Python com o SDK oficial: defina ferramentas, teste com pytest e rode o servidor no Claude Code, passo a passo.
O que é o llms.txt e como criar o seu: formato da v2 de llmstxt.org, gerador e validador em Python e publicação em Next.js com o header Link.
Script em Python que pergunta à API da OpenAI com busca na web, repetidas vezes, e mede se sua marca é mencionada e seu site citado. Com teste sem custo.
Como criar uma Skill no Claude Code: estrutura do SKILL.md, description que dispara, argumentos, script embutido, allowed-tools e validação.
Como instalar o Claude Code no Windows: PowerShell, CMD, WinGet ou WSL, Git for Windows, PATH, login e a solução dos erros de instalação mais comuns.
Guardrails para LLM bloqueiam a ação errada; evals medem se o agente acerta. Golden set, LLM-as-a-judge, regressão e kill switch com Claude Code Mods.
Consultoria de IA para empresas cobre diagnóstico, prova de conceito, implementação e governança contínua. O que cada frente inclui, como avaliar um fornecedor antes de contratar e o que separa um bom engajamento de um ruim.
GEO (Generative Engine Optimization), AEO e "SEO para IA" são a disciplina de otimizar conteúdo para ser citado pelas respostas de IA — distinto do SEO clássico, que ranqueia links. O conceito (Princeton, 2023), a diferença entre os termos e o que a IA premia.
Você não cadastra sua empresa no ChatGPT — a IA recomenda quem tem presença citável, estruturada e autoritativa. As três alavancas reais (citabilidade, autoridade, acesso técnico) e como testar.
Um AI Center of Excellence é a estrutura interna que conduz a adoção de IA a resultados de valor e evita adoção fragmentada ou sem governança (Microsoft CAF). A maioria falha por virar gargalo.
Não existe tabela fixa de preço para consultoria de IA. O valor depende do modelo de cobrança (hora, projeto, retainer, escopo), da senioridade da equipe e do escopo real do problema. Os fatores e as perguntas certas antes de aceitar um orçamento.
AI harness é a infraestrutura em volta de um LLM (ferramentas, regras, memória e quality gates) que o transforma em agente confiável. Agente = Modelo + Harness.
Harness engineering é a disciplina de projetar tudo o que envolve o modelo (regras, ferramentas, memória e verificação) para um agente funcionar em produção. Nomeada por Mitchell Hashimoto em 2026.
Context engineering é uma camada do harness, não um sinônimo, e RAG é uma técnica dentro de context engineering. Entenda a contenção: RAG dentro de context engineering, dentro do harness.
Passo a passo em Python: loop de erro para regra, guardrail que barra a ação e eval de passa ou falha. O modelo do exemplo é um placeholder, sem nota de benchmark.
Mapa do Claude Code como harness. Resume e linka os passos publicados: Windows, CLAUDE.md, hooks, skills, MCP, subagentes, MCP versus API e tokens.
Em benchmarks de agentes, o harness move a nota tanto quanto o modelo. Há dois sentidos: agent harness (o scaffold, que precisa ser divulgado) e eval harness (o runner, que precisa ficar constante).
Como a Capiva roda um AI harness operacional em produção, por que a maioria dos projetos de IA não chega ao P&L e o capivaOS, a camada de desenvolvimento aberta.
A primeira edição brasileira do Claude Impact Lab reuniu equipes no Rio para criar soluções de IA para saúde e segurança pública.
capivaOS: harness open-source (MIT) que impõe spec → plano → implementação → verificação no Claude Code, com quality gates mecânicos. Plugin, 2 comandos.
Visualize a convergência de AGI, enxames agênticos e bio-computação. O MCA da Capiva mapeia as forças tecnológicas que redefinem seu setor em 0–18 meses.
Ferramenta gratuita que analisa seu site em 60 segundos e revela se ChatGPT, Gemini e Perplexity citam sua empresa. Score 0-100 em 6 dimensões.
Descreva a ideia do projeto e receba glossário de domínio, requisitos, contradições e perguntas em aberto, prontos para semear um AI harness.
Transforme texto, URLs ou temas em podcast profissional com IA. 30+ vozes neurais em português.
Como a IA está substituindo o burnout por uma crise mais profunda: a sensação de ser irrelevante.
Como criar subagentes no Claude Code: arquivo em .claude/agents, frontmatter, tools e model, validação, como chamar e quando delegar. Com exemplo testado.
MCP vs API vs Skills vs CLI no Claude Code: a mesma tarefa pelos três caminhos, onde a Skill entra e uma tabela de quando usar cada um. Testado.
Como configurar MCP no Claude Code: claude mcp add pra HTTP e stdio, escopos local, project e user, .mcp.json com variáveis e aprovação. Comandos testados.
Como economizar tokens no Claude Code: medir com /context, /clear vs /compact, o que quebra o prompt cache, CLAUDE.md enxuto, MCP e subagentes. Com fontes.
Como criar um servidor MCP em Python com o SDK oficial: defina ferramentas, teste com pytest e rode o servidor no Claude Code, passo a passo.
Como configurar hooks no Claude Code com 3 exemplos testados: PreToolUse protege migrações, PostToolUse roda o ruff e Stop exige testes verdes.
O que é o llms.txt e como criar o seu: formato da v2 de llmstxt.org, gerador e validador em Python e publicação em Next.js com o header Link.
Como criar uma Skill no Claude Code: estrutura do SKILL.md, description que dispara, argumentos, script embutido, allowed-tools e validação.
O que é o CLAUDE.md e como escrever um que o Claude Code segue: exemplo comentado, tamanho ideal, CLAUDE.md vs AGENTS.md, regras por caminho e lint.
Como instalar o Claude Code no Windows: PowerShell, CMD, WinGet ou WSL, Git for Windows, PATH, login e a solução dos erros de instalação mais comuns.
Script em Python que pergunta à API da OpenAI com busca na web, repetidas vezes, e mede se sua marca é mencionada e seu site citado. Com teste sem custo.
Guardrails para LLM bloqueiam a ação errada; evals medem se o agente acerta. Golden set, LLM-as-a-judge, regressão e kill switch com Claude Code Mods.
Consultoria de IA para empresas cobre diagnóstico, prova de conceito, implementação e governança contínua. O que cada frente inclui, como avaliar um fornecedor antes de contratar e o que separa um bom engajamento de um ruim.
Não existe tabela fixa de preço para consultoria de IA. O valor depende do modelo de cobrança (hora, projeto, retainer, escopo), da senioridade da equipe e do escopo real do problema. Os fatores e as perguntas certas antes de aceitar um orçamento.
Você não cadastra sua empresa no ChatGPT — a IA recomenda quem tem presença citável, estruturada e autoritativa. As três alavancas reais (citabilidade, autoridade, acesso técnico) e como testar.
GEO (Generative Engine Optimization), AEO e "SEO para IA" são a disciplina de otimizar conteúdo para ser citado pelas respostas de IA — distinto do SEO clássico, que ranqueia links. O conceito (Princeton, 2023), a diferença entre os termos e o que a IA premia.
Um AI Center of Excellence é a estrutura interna que conduz a adoção de IA a resultados de valor e evita adoção fragmentada ou sem governança (Microsoft CAF). A maioria falha por virar gargalo.
Mapa do Claude Code como harness. Resume e linka os passos publicados: Windows, CLAUDE.md, hooks, skills, MCP, subagentes, MCP versus API e tokens.
Passo a passo em Python: loop de erro para regra, guardrail que barra a ação e eval de passa ou falha. O modelo do exemplo é um placeholder, sem nota de benchmark.
Harness engineering é a disciplina de projetar tudo o que envolve o modelo (regras, ferramentas, memória e verificação) para um agente funcionar em produção. Nomeada por Mitchell Hashimoto em 2026.
Em benchmarks de agentes, o harness move a nota tanto quanto o modelo. Há dois sentidos: agent harness (o scaffold, que precisa ser divulgado) e eval harness (o runner, que precisa ficar constante).
Context engineering é uma camada do harness, não um sinônimo, e RAG é uma técnica dentro de context engineering. Entenda a contenção: RAG dentro de context engineering, dentro do harness.
AI harness é a infraestrutura em volta de um LLM (ferramentas, regras, memória e quality gates) que o transforma em agente confiável. Agente = Modelo + Harness.
capivaOS: harness open-source (MIT) que impõe spec → plano → implementação → verificação no Claude Code, com quality gates mecânicos. Plugin, 2 comandos.
A primeira edição brasileira do Claude Impact Lab reuniu equipes no Rio para criar soluções de IA para saúde e segurança pública.
Ferramenta gratuita que analisa seu site em 60 segundos e revela se ChatGPT, Gemini e Perplexity citam sua empresa. Score 0-100 em 6 dimensões.
Como a Capiva roda um AI harness operacional em produção, por que a maioria dos projetos de IA não chega ao P&L e o capivaOS, a camada de desenvolvimento aberta.
Transforme texto, URLs ou temas em podcast profissional com IA. 30+ vozes neurais em português.
Descreva a ideia do projeto e receba glossário de domínio, requisitos, contradições e perguntas em aberto, prontos para semear um AI harness.
Visualize a convergência de AGI, enxames agênticos e bio-computação. O MCA da Capiva mapeia as forças tecnológicas que redefinem seu setor em 0–18 meses.
Como a IA está substituindo o burnout por uma crise mais profunda: a sensação de ser irrelevante.