Comece com um pedido, um roteiro de apresentação ou uma comparação de documentos. Pratique com dados fictícios e confira o resultado antes de aplicar.
Escolha uma tarefa pequena. Leia o exemplo, copie o pedido e confira o resultado.
Um pedido com objetivo, fatos, limites e formato.
Começar com um exemplo →Um roteiro de apresentaçãoUm roteiro de seis slides com notas.
Começar com um exemplo →Uma lista de alterações no documentoUma tabela de inclusões, exclusões e alterações.
Começar com um exemplo →A primeira tarefa com IA da sua equipeTarefas da equipe comparadas com as necessidades de revisão.
Começar com um exemplo →6 temas · 84 pontos de partida
Este exercício mostra como verificar o ID e a versão do documento, a sobreposição nas fronteiras dos chunks, prazos diferentes e o escopo completo ao dividir um material longo em vários chunks para revisão. O foco não está apenas em dividir o documento, mas no procedimento de retornar ao texto original para revisar o resultado combinado.
Este exercício mostra como comparar duas respostas de IA não pela preferência de redação ou pela impressão da marca, mas usando a mesma entrada e a mesma solicitação e verificando-as com critérios factuais definidos previamente. Separadamente da pontuação, afirmações adicionais sem fundamento são verificadas como um gate para decidir se o conteúdo pode ser publicado.
Neste exercício, você fornece à IA as versões V1 e V2 do mesmo aviso de evento e compara exatamente 5 itens, classificando cada um como alterado, adicionado, excluído ou igual. Você aprende a registrar somente as diferenças que realmente aparecem nos documentos, sem concluir por conta própria por que uma frase foi removida.
Neste exercício, você cria 6 perguntas e respostas a partir de um aviso curto, adiciona source ID às respostas com base no original e evita inventar respostas sobre cobrança, reembolso ou lista de espera quando essas informações não aparecem na fonte.
Neste exercício, 6 opiniões curtas em texto livre são classificadas em temas definidos, permitindo múltiplos rótulos quando uma mesma resposta contém 2 temas. Também é explicado por que o total de rótulos pode ser maior que o número de respondentes e como evitar inferências arbitrárias sobre intensidade emocional ou satisfação geral.
Neste exercício, 4 frases de um guia fictício de empréstimo são reescritas em linguagem simples, preservando a exigência de membro cadastrado, o prazo de 7 dias, a proibição de extensão para materiais reservados e a regra de que materiais não reservados permitem 1 solicitação de extensão sem garantia de aprovação.
Este exercício mostra como dividir um objetivo de pesquisa vago em perguntas factuais, perguntas sobre experiências e perguntas de decisão, além de planejar o que verificar e onde procurar. Em vez de pedir à IA que invente resultados de busca, você primeiro organiza as fontes que precisam ser verificadas e os itens que ainda estão sem confirmação.
Este exercício mostra como criar com IA um roteiro de entrevista de 15 minutos para investigar a experiência com um formulário de inscrição fictício. Você aprenderá a transformar perguntas direcionadas em perguntas neutras sobre comportamentos reais recentes e a não tratar respostas previstas como evidência antes de realizar as entrevistas.
Este exercício mostra como fixar primeiro restrições como quantidade de participantes, tempo, número de impressos, possibilidade de compras e equipamentos disponíveis, e depois pedir à IA 4 alternativas realmente diferentes. Em vez de decidir qual ideia é a melhor, você verifica se cada alternativa respeita as condições e aprende como fazer uma nova solicitação quando as restrições mudam.
Este exercício mostra como usar dados fictícios já organizados para preparar 6 perguntas esperadas do público, suas fontes, respostas curtas e um plano de verificação quando a resposta não for conhecida. O foco não é criar o roteiro da apresentação nem avaliar voz com IA, mas praticar respostas sem exagerar evidências limitadas.
Aprenda a transformar um texto curto em uma estrutura de apresentação para PPT com IA sem acrescentar fatos sem suporte, criar um prompt para um roteiro de 6 slides com uma mensagem principal, evidências, notas do apresentador e sugestões visuais, e revisar manualmente números, interpretações, imagens e informações sensíveis.
Aprenda o que a IA generativa cria e como modelos de texto produzem respostas continuando tokens a partir do contexto recebido. Como uma resposta natural não é necessariamente uma resposta factual, você também vai praticar como separar informações confirmadas de informações ainda indefinidas e como verificar o resultado por conta própria.
Ao introduzir IA para colaboração em equipe pela primeira vez, é mais fácil gerenciar o processo comparando antes as tarefas em que várias pessoas reúnem e conferem informações repetidamente, em vez de começar pelas funções mais chamativas. Usando 6 tarefas fictícias da equipe Haneul, registramos qualitativamente os efeitos esperados, verificamos também a carga de revisão e o risco de informações sensíveis e, então, reduzimos as opções para a primeira aplicação. A IA organiza as opções, mas a escolha final é da equipe.
Ao criar uma ata de reunião com IA, em vez de apenas polir as notas de uma pessoa, praticamos como inserir os registros de vários participantes e organizar decisões, tarefas, pendências e diferenças entre registros junto com tags de fonte. Usando notas fictícias da reunião da equipe Haneul de 2026-10-20, mostramos o processo de criar um rascunho para compartilhamento da equipe sem forçar expressões diferentes a se tornarem uma única versão.
Praticamos como reunir com IA atualizações semanais em formatos diferentes e reorganizá-las em concluído, em andamento, atrasado, dependências, ajuda necessária e precisa de confirmação. Usando relatos da equipe Haneul no mesmo período, criamos um exemplo de relatório semanal com IA que, quando os números divergem, preserva os dois valores junto com o horário de referência e a fonte, em vez de apagar um deles.
Quando a pessoa responsável se ausenta, é preciso permitir que quem fica continue o trabalho imediatamente. Este artigo mostra como reorganizar notas dispersas em contexto, status atual, localização dos materiais, próximas ações, cuidados e itens pendentes. Em um caso fictício no qual as tarefas de divulgação e inscrições de Seoyeon passam para Junho, criamos juntos um documento de passagem de trabalho com IA e perguntas que a pessoa que recebe o trabalho deve confirmar.
Quando as opiniões dos integrantes divergem, praticamos como usar IA sem deixá-la tomar a decisão final, colocando fatos confirmados, fundamentos, opiniões contrárias e hipóteses não verificadas no mesmo formato para comparação. Usando como exemplo as opções de local A e B para a oficina da equipe Haneul, deixamos claros o responsável pela decisão e o prazo e mantemos os itens que a equipe precisa verificar antes do julgamento final.
Praticamos como transformar uma solicitação curta do líder da equipe em um rascunho de solicitação de trabalho que separa requisitos confirmados de condições ausentes, sem deixar a IA preencher as lacunas por conta própria. Usando como exemplo a solicitação da equipe Haneul 'prepare os materiais da oficina', deixamos critérios de conclusão, escopo de inclusão e exclusão e condições de entrega como perguntas de confirmação para que a equipe possa chegar novamente a um acordo.
Mostramos como transformar o uso de IA para colaboração em equipe em um ativo coletivo que todos revisam e melhoram, em vez de manter solicitações individuais. Acompanhamos a melhoria do prompt da equipe Haneul para organizar anotações de reunião da v1.0 para a v1.1 e a nova verificação com a mesma entrada de teste.
Mostramos como revisar, por função, fatos, omissões, informações sensíveis, responsáveis e status de aprovação antes de compartilhar com a equipe um rascunho de relatório semanal organizado por IA. Separamos autor, revisor e aprovador e registramos que evidências foram verificadas, para evitar que um resultado de IA seja confundido com a conclusão oficial da equipe.
Entendemos vibe coding não como “pedir em palavras e deixar a IA fazer tudo sozinha”, mas como uma forma de trabalho em que a pessoa define os requisitos e os critérios de verificação e depois revisa o resultado gerado pela IA. Usando como exemplo uma ferramenta fictícia para somar um CSV de despesas domésticas, organizamos em uma única nota a entrada, a saída, o que não deve ser feito e como verificar o resultado.
Verificamos o comando de instalação do Claude Code e as condições de conta de acordo com o sistema operacional e iniciamos a primeira sessão em uma pasta fictícia de prática. Em vez de gerar código imediatamente, fazemos apenas três perguntas para ler a pasta e o CSV no modo plan e depois encerramos a sessão com segurança.
Praticamos o fluxo para criar uma primeira ferramenta pequena em Python usando o expenses.csv fictício e a nota de requisitos preparada anteriormente. A solicitação inclui um exemplo de entrada, a saída esperada e as restrições e, depois, executamos o summarize.py concluído na ferramenta Python do chat GPT, e não no Claude Code, para verificar o resultado.
Organizamos de forma concisa no CLAUDE.md do projeto o comando de execução, as regras de dados, as proibições e a forma de verificar resultados que antes eram repetidos em cada solicitação. Distinguimos a função de `/init` para criar um rascunho e o propósito de cada localização de arquivo e concluímos um arquivo de regras de 35 linhas adaptado ao exemplo do CSV de despesas.
Usando como exemplo a adição da opção `--by-category` a uma ferramenta já funcional que soma despesas por mês, você aprenderá a revisar primeiro o plano de mudanças no modo plan do Claude Code. Antes de implementar, definirá o escopo da alteração e o formato de saída; depois de aprovar o plano, executará o código final para verificar tanto os totais mensais existentes quanto os totais por categoria.
Você aprenderá um fluxo mínimo para criar um ponto de referência com git antes de o Claude Code modificar arquivos e, depois do trabalho, revisar as mudanças reais com `git status` e `git diff`. É possível pedir à IA que explique o diff, mas o processo se baseia em a pessoa conferir o diff e os resultados da execução antes de fazer staging e commit diretamente.
Em vez de apenas dizer à IA que “está dando erro”, você praticará um fluxo em que primeiro reproduz o problema com a mesma entrada, restringe a causa com base na mensagem real de exceção e solicita somente a mudança mínima. Usaremos um CSV cujo amount contém uma vírgula para reproduzir um ValueError no Python e executaremos novamente o código corrigido para verificar o resultado.
Partindo do princípio de que o Claude Code pode ler e modificar arquivos e executar comandos, este artigo reúne as verificações de segurança que iniciantes devem fazer antes, durante e depois do trabalho. Ele conecta em uma única lista as diferenças entre os modos de permissão, as mudanças que os checkpoints não conseguem restaurar, a diferença de função em relação ao git e a regra de não inserir informações secretas.
Aprenda a obter respostas mais fáceis de verificar informando à IA o objetivo, os fatos já confirmados, o que ela não deve presumir e o formato desejado, em vez de simplesmente pedir que escreva um texto. Usando como exemplo um aviso de um clube de leitura da comunidade, você vai verificar se a IA inventou informações inexistentes e usar uma pergunta de acompanhamento para ajustar apenas o tom, mantendo os fatos.
Aprenda a usar a IA para praticar fazendo com que ela apresente um problema por vez, espere sua resposta e depois ofereça dicas e explicações sobre erros em vez de mostrar imediatamente a solução. Com três problemas de porcentagem, você vai verificar qual valor deve ser usado como denominador e confirmar de forma independente as explicações da IA com cálculos feitos à mão.
Aprenda a calcular primeiro o tempo realmente disponível durante a semana e o tempo necessário para suas tarefas, em vez de tentar encaixá-las à força nos horários livres. O exercício também considera uma situação em que a quarta-feira deixa de estar disponível e mostra como verificar se a IA inventou tempo adicional que não existe.
Percorra subpastas e registre caminhos, extensões, tamanhos e datas de modificação dos arquivos em uma tabela. Comece com 4 pequenos arquivos de exemplo, mantendo os originais e os resultados existentes intactos.
Combine em ordem arquivos CSV com a mesma estrutura de colunas e adicione uma coluna source_file. Use conjuntos de dados pequenos para verificar nomes de itens com vírgulas, colunas ausentes e saídas já existentes.
Compare nomes antigos e novos em uma tabela e verifique conflitos. Apenas um --apply explícito cria cópias em uma nova pasta, mantendo os originais.
Encontre linhas com correspondência exata nas quatro colunas e reúna-as em um novo arquivo do Excel junto com seus números de linha originais. Revise cada grupo de duplicatas, incluindo a primeira ocorrência.
Valide as datas e horas de trabalho em um CSV e depois salve as contagens mensais de registros e o total de horas como um CSV e um gráfico de barras.
Antes de transformar uma tabela em texto, alinhe o objeto, o período, o denominador e a unidade. Use uma tabela sintética de resultados mensais para verificar um valor que mudou de 80 % para 82 % e uma conversão de unidades, e depois monte uma lista de verificação reutilizável.
Transforme “automatize isso” em uma descrição de tarefa executável. Anexe uma amostra sintética sem dados sensíveis e um resultado esperado verificado manualmente para completar uma solicitação de script que totaliza registros de trabalho por equipe.
Verifique uma função de agregação com quatro linhas que você pode calcular manualmente e 12 unit tests. Verifique não apenas valores normais, mas também entrada vazia, zero, decimais e entrada inválida.
Compare um relatório de IA com os dados de origem, recalcule totais e percentuais e use um prompt para identificar afirmações sem respaldo e causas exageradas antes da entrega.
Verifique unidades, valores ausentes, números finitos e timestamps duplicados ou invertidos em dados sintéticos de demonstração e depois salve os resultados da verificação e um gráfico.
Valide três arquivos CSV sintéticos de demonstração e depois sobreponha em um único gráfico as curvas que compartilham as mesmas amostras de tempo e unidades de aceleração.
Se você apenas colocar lado a lado os valores de tensão de pico, diferenças de malha, intervalo de saída e local de avaliação podem parecer mudanças de projeto. Monte uma tabela de condições de comparação a partir de casos sintéticos e registre a diferença numérica junto com o intervalo que realmente pode ser avaliado.
Em vez de coletar apenas um título e uma URL, registre em uma única linha a data de referência, a data de publicação, a data de acesso, as unidades e os termos de uso. Inclui um modelo CSV e uma checklist que não exigem código.
Separe IDs duplicados de respostas em branco em 10 respostas sintéticas. Informe o denominador das respostas válidas e salve em um novo arquivo as contagens e porcentagens por opção, além dos motivos de exclusão.
Em vez de parar em mais um resumo da reunião, separe o trabalho acordado dos itens em aberto. Transforme notas sintéticas de reunião em uma lista com responsáveis, prazos, entregáveis e evidências de conclusão, e escreva uma solicitação para IA que ajude na mesma tarefa.
Gerencie cada artigo como uma linha e separe redação, revisão, aprovação e publicação. Abrange importação de um CSV local, listas suspensas, filter views, permissões de compartilhamento e histórico de versões, além de configurar um fluxo para atualizar manualmente os arquivos do site após a aprovação.
Converta os dados em uma tabela diferenciando chaves ausentes, valores null e strings vazias, e crie um relatório separado de problemas.
Verifique o resultado de uma cópia de arquivo comparando hashes dos bytes do arquivo, em vez de confiar apenas em nomes ou tamanhos.
Divida um CSV pela quantidade de registros de dados, repita o cabeçalho em cada arquivo de saída e mantenha o arquivo original inalterado. Use um exemplo sintético com sete registros para conferir os limites e verificar se todos os registros são preservados na ordem original.
Filtre arquivos por tamanho, compare digests SHA-256 e grave um CSV apenas para revisão sem alterar os arquivos de origem. Use um exemplo sintético com sete arquivos para verificar quais paths pertencem ao relatório e quais não.
Redimensione várias imagens para uma nova pasta sem distorcê-las nem substituir os arquivos de origem. Um pequeno conjunto de imagens sintéticas facilita o cálculo manual das dimensões esperadas de saída.
Crie um arquivo ZIP com data a partir de uma pasta sem alterar os originais e verifique se todos os arquivos de origem aparecem no arquivo com conteúdo correspondente. Uma pequena pasta sintética facilita a conferência manual dos caminhos, tamanhos e totais esperados.
Combine planilhas que usam as mesmas colunas em uma única tabela do Excel, registrando de qual planilha cada linha veio. Uma pequena pasta de trabalho sintética permite verificar manualmente a ordem das linhas, as contagens e os totais.
Combine vários PDFs em um único arquivo, extraia um intervalo inclusivo de páginas para um segundo arquivo e verifique a contagem e a ordem das páginas resultantes. Um conjunto sintético de páginas em branco com dimensões deliberadamente diferentes torna o resultado verificável manualmente.
Converta vários formatos de data conhecidos em valores no padrão ISO YYYY-MM-DD sem alterar o CSV original. Valores que não correspondem a um formato aprovado ou que não representam datas válidas do calendário são gravados em um arquivo separado para revisão.
Resuma dados CSV em nível de pedido por mês com pandas e depois reconcilie as contagens, unidades e valores agrupados com a fonte. Um pequeno exemplo sintético facilita a verificação manual de todos os resultados esperados.
Trate uma regex gerada por IA como um rascunho, não como uma regra final. Monte uma pequena tabela de testes sintéticos, compare os resultados esperados com as correspondências reais, revise o padrão e salve um relatório de revisão antes de usá-lo em dados reais.
Trate uma consulta SQL gerada por IA como um rascunho e teste-a em um pequeno banco SQLite com respostas conhecidas. Compare o resultado da IA com uma tabela esperada calculada manualmente antes de usar a consulta em dados reais.
Mostre à IA alguns exemplos da estrutura exata de saída desejada e depois valide o JSON retornado antes de utilizá-lo. Um pequeno conjunto de tickets sintéticos demonstra como exemplos de formatação e verificações automáticas funcionam em conjunto.
Separe um resumo de IA em afirmações individuais, relacione cada uma a frases específicas da fonte e marque afirmações sem suporte ou exageradas antes de reutilizá-las. Um pequeno documento sintético mostra por que até resumos fluentes precisam de verificação de evidências.
Aplique uma média móvel retrospectiva de três amostras a dados sintéticos de aceleração, verifique manualmente cada valor filtrado e deixe explícito o atraso de alinhamento de uma amostra introduzido pelo filtro. O CSV original permanece inalterado e os dados processados são gravados em uma nova pasta.
Converta dados sintéticos de velocidade e aceleração de veículos para unidades SI consistentes e depois converta os resultados de volta para verificar a aritmética. O script preserva o CSV original e grava os valores convertidos em uma nova pasta de saída.
Use a FFT do NumPy em um sinal sintético de vibração com um componente conhecido de 2 Hz, examine os bins de frequência e verifique se a frequência dominante detectada corresponde à entrada. O CSV original permanece inalterado e o espectro é gravado em uma nova pasta de saída.
Mantenha uma pequena lista de referências de pesquisa em CSV, normalize o texto DOI para comparação e gere um arquivo de revisão para valores DOI duplicados e ausentes. O workflow preserva o CSV original e não afirma que um DOI é válido apenas porque está presente.
Documente o significado de cada coluna do conjunto de dados antes da análise, incluindo unidade, tipo de dado e valores permitidos. Um pequeno conjunto de dados sintético mostra como o mesmo dicionário também pode servir para uma validação automática simples.
Defina uma convenção simples de nomes de arquivos para a equipe, teste-a em uma pasta sintética e gere um relatório de revisão sem renomear nem excluir nada. O verificador separa erros estruturais, datas inválidas e extensões não suportadas.
Transforme release notes brutas em uma entrada de changelog que separe mudanças de ações obrigatórias do usuário e etapas de verificação. Uma atualização sintética de software mostra como tornar uma nota de versão útil para alguém que não fez a alteração.
Transforme notas de passagem de projeto em uma lista estruturada que registre o que precisa ser transferido, quem é responsável, onde está armazenado e o que permanece sem solução. Um pequeno exemplo sintético mostra como detectar responsáveis, locais e detalhes de pendências ausentes antes da passagem.
Compare um e-mail de trabalho criado por IA com as informações originais para revisar fatos, números, datas, destinatários, tom e promessas. Um pequeno exemplo mostra o que precisa ser verificado por uma pessoa antes do envio.
Use um assistente de chat com IA para transformar uma transcrição de reunião em uma ata estruturada e depois verifique cada decisão, responsável, prazo e tarefa com a transcrição original. Um pequeno exemplo sintético e uma verificação com Python mostram um processo repetível.
Não confie em uma fórmula do Excel sugerida por IA depois de testá-la apenas com linhas normais. Use uma pequena planilha sintética para testar vazios, zero, texto e datas e depois compare os resultados esperados com um script simples em Python.
Não revise uma tradução feita por IA apenas pelo quanto ela parece natural. Compare sistematicamente números, unidades, nomes, negações e significado com o original e use uma retrotradução pontual e um pequeno script em Python como apoio.
Use um assistente de chat com IA para propor regras explícitas de limpeza de dados, aplique apenas as regras aprovadas a uma cópia do CSV e gere um registro de antes/depois por célula. O exemplo é sintético para que você possa revisar cada transformação manualmente.
Uma IA pode descrever uma tabela de forma convincente e ainda errar totais, porcentagens, médias ou variações. Este guia usa uma pequena tabela sintética de vendas para recalcular e conferir cada afirmação numérica antes de reutilizá-la.
Tarefas repetitivas com IA ficam mais fáceis de revisar quando os prompts seguem uma estrutura consistente. Este guia mostra como criar uma pequena biblioteca de modelos com variáveis, exemplos e uma lista de verificação para cada tarefa.
A IA pode transformar anotações não estruturadas em JSON, mas o resultado ainda precisa ser validado. Este guia usa um pequeno exemplo sintético e uma verificação em Python para conferir campos obrigatórios, tipos, valores permitidos e consistência básica.
A IA pode rotular tickets de suporte rapidamente, mas esses rótulos devem ser comparados com um pequeno conjunto de referência rotulado manualmente antes de serem considerados confiáveis. Este guia usa um pequeno exemplo sintético, compara as previsões da IA com rótulos conhecidos e calcula a acurácia e uma matriz de confusão em Python.
Remova ou substitua dados pessoais evidentes antes de enviar texto a um assistente de chat com IA e revise tanto o texto mascarado quanto o relatório de detecção para encontrar o que foi deixado para trás. Este tutorial usa um pequeno exemplo sintético e mantém o arquivo original inalterado.
Código gerado por IA pode parecer completo e ainda conter suposições ocultas sobre entradas, casos limite, dependências e falhas. Este guia usa um pequeno exemplo sintético em CSV para revisar o código de forma sistemática antes de aplicá-lo a dados reais.
Respostas de IA sobre documentos ficam mais fáceis de verificar quando cada afirmação inclui citações com números de linha. Este guia usa uma pequena nota sintética, pede respostas com citações a um assistente de IA e verifica automaticamente cada intervalo com Python.
A IA pode transformar vários resumos de artigos em uma tabela comparativa compacta, mas cada célula deve poder ser rastreada até o texto de origem. Este guia usa três pequenos resumos sintéticos, pede a um assistente de IA que monte a tabela e verifica cada célula antes de aceitá-la.
Referências geradas por IA podem parecer confiáveis mesmo quando o link não existe ou quando o conteúdo real não corresponde ao que a IA afirma. Este exemplo sintético mostra como verificar tanto a existência do link quanto se a fonte realmente está relacionada à afirmação.
Crie um relatório semanal com IA a partir de registros CSV e confira horas e tarefas concluídas com Python. Use um prompt para separar trabalho concluído, em andamento, planejado e bloqueado.
Busque novamente com palavras curtas, como CSV ou AI.
Todos os exemplos são para prática. Os dados automotivos são sintéticos e usados para fins ilustrativos.