Loop Engineering

Durante muito tempo, a habilidade mais importante em IA era escrever bons prompts. Isso está mudando.

Os melhores agentes já não dependem de uma conversa em que você precisa dizer o próximo passo o tempo todo. Você define um objetivo claro e deixa a IA trabalhar sozinha até alcançá-lo.

É isso que chamamos de Loop Engineering.

Os dois são comandos do Claude Code. Funcionam onde ele roda: terminal, app de desktop, extensão de IDE e claude.ai/code. No chat comum do Claude e no ChatGPT eles não existem.

O problema dos prompts

No modelo tradicional, o ciclo é sempre o mesmo:

Na prática, você passa o tempo inteiro guiando:

"Continua." "Agora verifica." "Testa de novo." "Corrige esse erro." "Tenta outro caminho."

Funciona, mas é lento. E o gargalo é você.

O que é Loop Engineering

Loop Engineering é a prática de montar sistemas em que a IA trabalha sozinha.

Em vez de conversar passo a passo, você define três coisas antes de começar:

A partir daí, ela entra em um ciclo contínuo:

O loop só termina em duas situações: quando o objetivo foi realmente alcançado, ou quando a IA conclui que não existe caminho viável para continuar.

Dois comandos com funções opostas

Todo Loop Engineering começa com /goal e /loop. Eles parecem parentes, mas fazem coisas diferentes.

É essa combinação que transforma um chatbot em um agente. Se você ainda não conhece o resto do repertório, eu escrevi sobre os 5 comandos do Claude Code que mais mudaram meu fluxo.

O que é o /goal

No chat tradicional, você diz o que fazer agora. Com o /goal, você descreve como será o trabalho quando ele estiver pronto.

A partir daí, a IA decide sozinha quais passos precisa executar para chegar naquele resultado. Você para de controlar o processo e passa a controlar só o destino.

Uma regra simples para saber quando usar: se você se pega dizendo "continua", "agora verifica", "testa de novo", "procura outro jeito" ou "revisa tudo mais uma vez", essa tarefa deveria ter começado com um /goal.

Ele funciona especialmente bem quando:

Como escrever um bom /goal

Um bom objetivo responde quatro perguntas.

1. O que deve ser verdade quando terminar?

Descreva o estado final, não a tarefa. A diferença é sutil e muda tudo: "analisar as propostas" é tarefa, "existir uma tabela comparando cinco variáveis" é estado final.

2. Como a IA sabe que terminou?

Este é o ponto mais importante, e o que a maioria das pessoas pula. Todo objetivo precisa de critério objetivo:

Se você consegue medir, a IA consegue saber quando parar. Sem critério, ela para cedo demais ou tarde demais, e as duas coisas custam caro.

3. O que não pode acontecer?

Restrições evitam que ela resolva o problema estragando outra coisa. Por exemplo: não alterar APIs públicas, usar apenas os documentos fornecidos, não remover funcionalidades existentes, não consultar fontes externas.

4. Quando desistir?

Nem sempre existe solução. Se a IA bater num bloqueio sem saída, ela precisa parar e explicar por que não conseguiu continuar, o que está faltando e qual informação destravaria o trabalho.

Um exemplo completo

/goal

Analise as 50 propostas comerciais da pasta /propostas e identifique
os padrões dos negócios que fecharam contra os que não fecharam.

O trabalho só está concluído quando existir uma tabela comparando
pelo menos cinco variáveis:

• tamanho do cliente
• setor
• ciclo de venda
• objeções
• formato da proposta

Cada variável deve ser classificada como fator de impacto alto,
médio ou irrelevante.

Utilize apenas os arquivos da pasta /propostas.

Se alguma variável não tiver dados suficientes, marque como
inconclusiva e explique exatamente quais informações faltaram.

Repare que esse objetivo não explica como fazer o trabalho. Ele só define claramente o que significa sucesso.

O que é o /loop

Definido o objetivo, entra o /loop. É ele que faz a IA continuar trabalhando em vez de responder uma vez e esperar a próxima instrução.

Ela passa a ler o objetivo, planejar, executar, verificar, registrar o que já fez e perguntar se chegou. Se não chegou, recomeça. É esse ciclo que elimina o "corrige", "agora testa", "continua", "mais uma tentativa".

Faz sentido sempre que a IA precisa descobrir o caminho:

O maior erro que as pessoas cometem

A maioria tenta melhorar a IA escrevendo prompts cada vez maiores. Na prática, o resultado vem de outro lugar.

Os agentes trabalham muito melhor quando recebem objetivo claro, contexto consistente, memória, ferramentas, skills reutilizáveis e critérios objetivos para avaliar o próprio trabalho.

O prompt deixa de ser o protagonista e vira uma peça pequena do sistema.

Minha conclusão

A forma tradicional de usar IA é dizer o que fazer a cada passo. Loop Engineering inverte isso: você define um destino e a IA encontra o caminho.

Enquanto o objetivo não for atingido, ela continua planejando, executando, verificando e corrigindo o próprio trabalho. No fim, deixa de parecer uma conversa com um chatbot e passa a parecer alguém trabalhando para você de forma contínua.

Se for guardar uma coisa só deste texto, guarde esta: o /goal define o destino, e o /loop garante que a IA não pare até chegar lá.