Skill, workflow ou agente? Uma pergunta decide
Muito dev parte pro agente quando um workflow de 20 linhas resolveria mais barato, mais rápido e sem surpresa. Essa é a escada de três níveis, com as definições da própria Anthropic — e a única pergunta que diz qual construir.
- #agents
- #workflows
- #skills
- #claude-code
O hábito mais caro em engenharia de IA hoje não é escolher o modelo errado — é construir um agente pra um trabalho que uma sequência fixa de passos resolveria melhor. A própria orientação de engenharia da Anthropic é direta: sistemas agênticos "trocam latência e custo por melhor desempenho na tarefa", e a primeira recomendação deles é buscar a solução mais simples possível. Autonomia é algo que você paga. E a maioria das tarefas não precisa dela.
Os três níveis — skill, workflow, agente — se resumem a uma variável só: quem decide os passos. Quando isso fica claro, o jargão vira uma decisão que você toma em dez segundos.
Skill: ninguém executa passos — é conhecimento empacotado
Uma skill é um know-how que você escreve uma vez: uma pasta com um SKILL.md contendo instruções, mais scripts e arquivos de referência opcionais. A Anthropic lançou as Agent Skills em 16 de outubro de 2025, e a parte interessante é a engenharia por trás — a divulgação progressiva. Só o name e a description da skill ficam no system prompt; o corpo carrega quando a tarefa bate com a descrição, e os arquivos anexos só são lidos se necessário. Na prática, o material de referência que você pode acoplar é "efetivamente ilimitado" sem queimar sua context window.
Vá de skill quando você se pegar explicando o mesmo procedimento de novo e de novo — seu checklist de revisão de pull request, seu formato de relatório, as convenções de release do time. A Rakuten colocou um número nesse ganho depois de adotar: trabalho que levava um dia passou a levar uma hora.
Workflow: você decide os passos
A Anthropic define workflows como sistemas em que modelos e ferramentas são orquestrados "por caminhos de código predefinidos" — e nomeia cinco padrões: prompt chaining, routing, parallelization, orchestrator-workers e evaluator-optimizer. No Claude Code, a versão do dia a dia é um slash command: um arquivo markdown (.claude/commands/deploy.md, ou uma skill que você dispara com /deploy) que roda a sua sequência exata sob demanda.
É o nível certo pra qualquer coisa repetitiva com formato conhecido: mesmo tipo de entrada, mesmos passos na mesma ordem, mesma saída. Sai determinístico, testável e barato, porque o modelo executa o caminho que você traçou em vez de raciocinar sobre qual caminho tomar.
Agente: o modelo decide os passos
Agentes, segundo a Anthropic, "dirigem dinamicamente seus próprios processos e uso de ferramentas". Você entrega um objetivo e ferramentas, não um roteiro. No Claude Code isso é um subagent — ele roda numa context window separada, com as próprias permissões de ferramentas, e dá até pra fixar num modelo mais barato, como o Haiku, pro trabalho braçal de pesquisa. O preço desse poder é raciocínio a cada passo: mais tokens, mais latência, mais variação entre execuções.
A única pergunta
Antes de construir qualquer coisa, pergunte: eu conseguiria escrever os passos exatos agora, antes de a tarefa começar?
- Sim, e é basicamente conhecimento do tipo "como a gente faz X aqui" →
skill. - Sim, uma sequência ordenada que precisa rodar idêntica toda vez →
workflow. - Não — o próximo passo depende do que voltar → agente.
Por que isso importa fora do seu terminal
"IA agêntica" aparece em toda vaga internacional hoje, e a maioria dos candidatos só sabe repetir o hype. Ser a pessoa que fala numa entrevista de system design "isso não é problema de agente — um workflow com routing resolve de forma determinística por uma fração do custo" é sinal de senioridade, e pesa ainda mais quando você está entrevistando em inglês pra uma empresa de fora. Essa taxonomia custa pouco pra aprender e rende juros.
Hoje: pegue a tarefa que você já explicou pro Claude mais de duas vezes esse mês e congele ela num .claude/skills/<nome>/SKILL.md no seu repositório. Esse é o primeiro degrau da escada — e agora você sabe exatamente quando ela merece promoção.
Fontes
Continue lendo
Mais guias parecidos com este.
Divida seus agentes por contexto, não por cargo
A maioria dos sistemas multiagente quebra porque a pessoa divide o trabalho como dividiria num time — quem planeja, quem escreve, quem testa. A própria Anthropic chama isso de anti-padrão. Aqui está a divisão que funciona, e a conta que vem junto.
Loop engineering: quando você para de dar `prompt` e começa a gerenciar
O Head do Claude Code disse que não dá mais `prompt` — os `loops` dão por ele. Aqui está o que um `loop` é de verdade, as peças que formam um, e um roteiro pra colar e rodar o seu primeiro sem escrever código.
Construa seu primeiro agente de IA (sem o hype)
Um agente não é um trabalhador autônomo mágico — é um loop com ferramentas e um objetivo. Aqui vão três portas de entrada reais, do agente gerenciado sem instalação ao que roda 24/7 no seu próprio hardware, e como escolher por onde começar esta semana.