Versão de demonstração: os dados deste texto ainda passam por revisão de fatos.
Neste artigo
O loop
Imagine pedir dez vídeos a um agente. No modelo de loop, ele gera o primeiro, passa por uma verificação e, se reprovar, refaz. Aprovado, segue para o segundo. O processo se repete dez vezes antes de o relatório ser escrito. A qualidade é conferida a cada volta, mas o tempo total é a soma de todas as voltas.
O loop é a escolha certa quando uma tarefa depende da anterior, ou quando você quer aprender a lógica com um caso simples.
O fluxo paralelo
Se os dez vídeos não dependem uns dos outros, não há razão para esperar. No fluxo paralelo, os dez rodam ao mesmo tempo, cada qual com a sua verificação, e todos convergem para o relatório final. É esse desenho, com ramos que correm juntos e se encontram no fim, que chamam de grafo.
Duas observações importantes:
- Tempo e consumo são coisas diferentes. Três tarefas em paralelo terminam mais cedo do que em fila, mas consomem o mesmo que consumiriam em sequência, ou mais.
- Só funciona com tarefas independentes. Se a segunda precisa do resultado da primeira, a ordem é obrigatória.
Como o Claude Code trata o assunto
A documentação oficial descreve os workflows dinâmicos: um script em JavaScript que orquestra dezenas de subagentes ao mesmo tempo. O Claude escreve o script para a tarefa que você descreveu, um ambiente de execução o roda em segundo plano e a sua sessão continua livre. A documentação cita como usos a varredura de bugs em todo o código, migrações de centenas de arquivos e pesquisas com fontes cruzadas.
Ela também compara quatro formas de organizar um trabalho em etapas:
| Forma | Quem decide o próximo passo | Onde ficam os resultados |
|---|---|---|
| Subagente | O Claude, a cada rodada | Na janela de contexto |
| Skill | O Claude, seguindo as instruções | Na janela de contexto |
| Agentes em equipe | O agente líder | Em uma lista compartilhada |
| Workflow | O script | Em variáveis do script |
Num workflow, o plano vira código. O script guarda o loop, as ramificações e os resultados intermediários, e a conversa recebe só a resposta final. Isso permite aplicar padrões de qualidade, como pedir que agentes independentes tentem refutar o achado de outro antes de ele entrar no relatório.
Um exemplo para testar
Um teste simples para entender a lógica: pedir a pesquisa de três canais de vídeo, cada um com sua verificação, e um relatório único no fim. O pedido pode ser em linguagem comum. Depois de enviar, o comando /workflows mostra as fases em andamento. Você vê a coleta dos três canais acontecendo ao mesmo tempo, as verificações começando em seguida e, por fim, o relatório.
Relatos de criadores falam em um teste desses com três tarefas que terminaram em menos de um minuto cada. É um exemplo ilustrativo; o tempo depende do tema, do plano e da fonte. A documentação traz o /deep-research como workflow pronto para a primeira experiência.
Cuidados
- Comece pequeno. Três tarefas ensinam a lógica. Cem consomem a cota do plano rapidamente.
- Defina a verificação antes. Sem critério claro, o agente aceita qualquer resultado.
- Confira uma amostra. Volume maior pede revisão proporcional.
- Confirme o plano. A documentação informa que os workflows dependem do tipo de plano ou de acesso à API, e que as condições mudam.
- Tenha um motivo. Para tarefas simples e únicas, uma conversa comum resolve.
Para entender melhor as peças, veja o guia do Claude Code e como o agente aprende com os erros por meio de memória e verificação.
Em outros Mundos
Quer ver outros assuntos do portal? Comece pela resposta da página inicial. Para entender a base do tema, a resposta completa explica o que é inteligência artificial. Mais artigos de tecnologia estão na resposta da categoria.
Tudo sobre
- Agente de IA para descobrir temas de vídeo no YouTube: como funciona e quais filtros usar
- Como fazer o Claude Code aprender com os erros: CLAUDE.md, arquivo de aprendizados e verificação
- Claude Code: o que é, para que serve e como começar a usar
- Loops e fluxos paralelos com agentes de IA: o que é graph engineering
- Pesquisa com agente de IA: como coletar dados em diferentes fontes e receber em CSV
Perguntas frequentes
O que é um loop com agente de IA?
É um ciclo em que o agente executa uma tarefa, verifica o resultado e, se reprovar, volta e refaz. Só quando passa na verificação ele segue para a próxima. O loop dá segurança de qualidade, mas é sequencial: cada item espera o anterior terminar.
O que é graph engineering?
É organizar as tarefas como um grafo: etapas que podem rodar ao mesmo tempo, cada uma com sua verificação, até que todas convergem para um resultado final. Em vez de uma fila, o trabalho vira ramos paralelos que se juntam no relatório ou na entrega.
Qual a diferença entre loop e fluxo paralelo?
No loop, as tarefas acontecem uma depois da outra. No fluxo paralelo, tarefas independentes rodam ao mesmo tempo e se encontram no fim. Se cada item não depende do anterior, o paralelo termina mais rápido, ao custo de usar mais recursos simultâneos.
Quando o paralelo compensa?
Quando as tarefas são independentes entre si, como pesquisar cada canal de uma lista ou revisar arquivos diferentes. Se a segunda depende do resultado da primeira, o paralelo não funciona. Nesse caso, mantenha a ordem e use verificação entre as etapas.
Gastar mais tokens é inevitável no paralelo?
A quantidade de tarefas altera o gasto, não a lógica. Três tarefas custam cerca de três vezes o consumo de uma, mesmo rodando juntas. A vantagem do paralelo é o tempo, não a economia. Planeje o volume conforme o limite do seu plano.
O que são workflows dinâmicos no Claude Code?
Segundo a documentação oficial, um workflow dinâmico é um script em JavaScript que orquestra dezenas de subagentes ao mesmo tempo. O Claude escreve o script para a tarefa descrita, um ambiente de execução o roda em segundo plano e a sessão continua livre.
Para que servem os workflows?
A documentação cita varreduras de bugs em todo o código, migrações de centenas de arquivos, pesquisas com fontes conferidas entre si e planos escritos por ângulos independentes. São tarefas que precisam de mais agentes do que uma conversa consegue coordenar.
Qual a diferença entre workflow, subagente e skill?
O subagente é um trabalhador que o Claude aciona. A skill é um conjunto de instruções. O workflow é um script que decide o que roda e quando. Nos dois primeiros, quem decide o próximo passo é o Claude; no workflow, quem decide é o código.
Onde ficam os resultados intermediários?
Nos subagentes e skills, ficam na janela de contexto do Claude. No workflow, ficam em variáveis do script, e o contexto do Claude recebe só a resposta final. Isso reduz o peso da conversa principal quando há dezenas de agentes trabalhando.
Existe um workflow pronto para testar?
Sim. A documentação cita o comando /deep-research, um workflow incluído no Claude Code, que investiga uma pergunta em diferentes fontes, cruza o que encontra e entrega um relatório com citações. Ele serve como primeira experiência para ver as fases rodando.
Como acompanhar um workflow em execução?
Pelo comando /workflows, a documentação indica que você acompanha as fases e consegue abrir cada agente para ver o que ele faz. Quando termina, a sessão original recebe o aviso e o resultado final entra na conversa.
Preciso pagar um plano específico para usar workflows?
A documentação informa que workflows dinâmicos estão disponíveis em planos pagos, com acesso à API da Anthropic e em algumas nuvens parceiras. No plano Pro, é preciso ativá-los na configuração. Os termos mudam, então confirme a página oficial antes de contar com o recurso.
O que é verificação adversarial?
É pedir que outros agentes tentem refutar o achado de um agente antes de ele entrar no relatório. A documentação cita esse padrão como forma de obter resultado mais confiável do que uma única passada. Custa mais agentes, mas reduz o risco de aceitar erro.
Como pedir um workflow com pesquisa e relatório?
Descreva em linguagem comum: quais itens pesquisar, que cada um tenha uma etapa de verificação e que no fim saia um relatório em PDF ou HTML. O Claude monta o script. Peça um teste com poucos itens antes de rodar o conjunto completo.
Cem agentes ao mesmo tempo é viável?
Tecnicamente, a documentação fala em dezenas a centenas de agentes por execução. Na prática, o limite é o seu plano, o tempo e a capacidade de revisar o resultado. Comece com poucos, observe o consumo e só depois aumente.
O que pode dar errado em fluxos paralelos?
Os ramos podem trazer resultados incoerentes, gastar a cota do plano de uma vez ou produzir volume maior do que você consegue revisar. Defina critérios de verificação claros, limite a quantidade de agentes e confira uma amostra do que foi entregue.
Devo aprender isso antes de usar IA no dia a dia?
Não é necessário para começar. Entender a lógica ajuda a pensar melhor, mas comece com tarefas simples e uma verificação por vez. Só vale montar grafos quando a repetição e o volume justificam o trabalho extra de planejar e revisar.
Referências
- Claude Code Docs: Dynamic workflows (Anthropic). Disponível em: https://code.claude.com/docs/en/workflows.
- Claude Code Docs: Create custom subagents (Anthropic). Disponível em: https://code.claude.com/docs/en/sub-agents.
Fontes conferidas em 28 de outubro de 2026.