Um guia prático de otimização baseado em seis meses de uso intenso do código Claude. Esta publicação, de um usuário do Reddit com 7 anos de experiência em engenharia de software, compartilha sua experiência em primeira mão com o uso do Claude Code (CC) para refatoração de software em larga escala nos últimos 6 meses. Especificamente, ele migrou sozinho um aplicativo web interno com mais de 300.000 linhas de código (LOC) de uma pilha de tecnologia desatualizada (React 16 JS + Material UI v4) para um framework moderno (React 19 TS + TanStack Query/Router + MUI v7). Ele enfatiza que, embora as ferramentas de IA sejam poderosas, a obtenção de resultados consistentes e de alta qualidade requer fluxos de trabalho estruturados, dicas precisas e supervisão humana. Conteúdo principal e principais insights: Os autores construíram um ecossistema completo, incluindo habilidades, hooks, gerenciamento de documentação e ferramentas de automação, para solucionar problemas comuns em tarefas de longa duração do Claude, como perda de contexto, inconsistências de código e desafios de depuração. As principais estratégias de otimização são as seguintes: 1. Ganchos de ativação automática de habilidades: Claude não invoca habilidades predefinidas automaticamente por padrão. O autor desenvolveu um sistema de ganchos (como o gancho UserPromptSubmit e o gancho Stop Event) para injetar alertas de habilidades (como especificações de tratamento de erros) por meio de gatilhos de palavras-chave (como caminhos de arquivos ou padrões de conteúdo). Isso garante a aplicação consistente de habilidades em grandes bases de código e reduz significativamente a variação do código. 2. Sistema de Documentação de Desenvolvimento: Para resolver o problema de "esquecimento parcial" de Claude, documentos específicos (como [nome-da-tarefa]-plan.md, -context.md e -tasks.md) são gerados antes de cada tarefa principal e atualizados em tempo real por meio de comandos de barra (como /create-dev-docs). Esses arquivos funcionam como "memória" externa, permitindo a retomada da sessão e a compressão automática para manter a continuidade da tarefa. 3. Depuração automatizada de backend: Monitore os logs de 7 microsserviços usando o gerenciador de processos PM2. Claude pode executar autonomamente o comando `pm2 logs ` para localizar e reiniciar rapidamente os serviços com falhas. Isso transforma o rastreamento manual de logs em diagnósticos em tempo real orientados por IA, melhorando a eficiência da depuração. 4. Pipeline de erros com tolerância zero: Hooks rastreiam edições de arquivos, executam verificações de compilação (como erros do TypeScript) e disparam alertas de autoinspeção quando padrões de risco (como chamadas assíncronas) são detectados. Os autores tentaram anteriormente a formatação automática (Prettier), mas a abandonaram devido ao consumo excessivo de tokens, priorizando, em vez disso, o controle de qualidade preventivo. 5. Documentação e Evolução dos Agentes: O diretório raiz CLAUDE.md foi simplificado, mantendo apenas as informações essenciais do projeto; a documentação em nível de repositório utiliza habilidades de referência modulares. Agentes dedicados foram introduzidos (como strategic-plan-architect para planejamento e build-error-resolver para correção), cada um com uma função e especificações de saída claras. O comando de barra simplifica ainda mais sugestões repetitivas. 6. Dicas de boas práticas: O autor sugere começar com padrões de planejamento para evitar instruções ambíguas; se o resultado for insatisfatório, adicione contexto e tente novamente. A principal lição é: a IA precisa da ajuda da intuição humana, especialmente na tomada de decisões complexas. Endereço postal:
