Como Usar Claude Code com Agentes Paralelos (Guia Prático)

Aprenda a orquestrar múltiplos agentes de IA no Claude Code: quando usar Opus, Sonnet ou Haiku, como rodar tarefas em paralelo e otimizar custos.

# Como Usar Claude Code com Agentes Paralelos (Guia Prático)

Se você já usou o Claude Code para escrever um arquivo ou corrigir um bug, sabe o quanto isso acelera o desenvolvimento. Mas existe um nível acima disso — e na Stream 8 do projeto EmailHacker.ai, Laschuk mostrou ao vivo como usar agentes paralelos para renderizar 4 vídeos ao mesmo tempo, configurar integrações e escrever código, tudo rodando simultaneamente enquanto ele tomava café.

Este guia documenta exatamente como fazer isso: escolher o modelo certo para cada tarefa, criar skills customizadas e orquestrar múltiplos agentes em paralelo.


Por Que Agentes Paralelos?

O modelo padrão de usar IA é sequencial: você pergunta, a IA responde, você lê, você pergunta de novo. Isso é lento. Com agentes paralelos, você inverte a lógica:

  • Você define as tarefas com clareza
  • O Claude as executa simultaneamente em terminais separados
  • Você revisa os resultados enquanto tudo acontece em paralelo

O ganho real não é apenas velocidade — é foco. Enquanto um agente renderiza um vídeo, outro está escrevendo o email de lançamento, e um terceiro está ajustando o CSS da landing page. Você não precisa gerenciar nenhum desses passos manualmente.

Na Stream 8, isso ficou evidente: 4 vídeos Remotion foram disparados em paralelo via Claude Code. O tempo total foi o mesmo que renderizar 1 vídeo sequencialmente.

Modelo sequencial
uma tarefa por vez
você espera cada etapa
Agentes paralelos
tarefas simultâneas
você revisa enquanto rodam
Ganho na Stream 8
75%
redução de tempo
4 vídeos em ~10 min

O Que Você Precisa

Antes de começar, certifique-se de ter:

  • Claude Code instalado (CLI da Anthropic — npm install -g @anthropic-ai/claude-code)
  • Conta na Anthropic com acesso aos modelos Opus, Sonnet e Haiku
  • Node.js 18+ (para projetos JavaScript/TypeScript)
  • Um projeto real com tarefas paralelizáveis (desenvolvimento de software, geração de conteúdo, processamento de dados)
  • Familiaridade básica com terminal

Se você quer entender melhor como o Claude Code foi usado em streams anteriores, veja o histórico de streams — cada uma documenta um avanço diferente do projeto.


Passo 1: Entender os Modelos (Opus, Sonnet, Haiku)

O primeiro erro de quem começa com Claude Code é usar o modelo mais poderoso para tudo. Isso é caro e desnecessário. Cada modelo tem um papel específico:

Claude Opus
Pensamento Estratégico
→ Arquitetura de sistemas
→ Revisão de código crítico
→ Planejamento de features
→ Análise de trade-offs
→ Orquestrador de agentes
Uso recomendado
~5% das tarefas
Claude Sonnet
Execução de Qualidade
→ Escrever e refatorar código
→ Criar componentes React
→ Escrever emails e copy
→ Implementar features
→ Debugar com logs reais
Uso recomendado
~80% das tarefas
Claude Haiku
Tarefas Simples e Rápidas
→ Classificar e rotear dados
→ Extrair campos de JSON
→ Traduzir textos curtos
→ Formatar saídas
→ Alta frequência / batch
Uso recomendado
~15% das tarefas

Tabela de Decisão Rápida

Opus — use quando
Planejar arquitetura
Orquestrar outros agentes
Decidir trade-offs críticos
Sonnet — use quando
Escrever componente React
Debugar erro complexo
Implementar feature nova
Haiku — use quando
Classificar texto em categoria
Extrair dados de JSON
Formatar output de API

Passo 2: Configurar Claude Code

O Claude Code usa um arquivo CLAUDE.md na raiz do projeto para dar contexto ao agente. Este arquivo é lido automaticamente a cada sessão — é como uma briefing permanente.

Estrutura mínima de um CLAUDE.md eficiente:

markdown# Contexto do Projeto

## Stack
- Next.js 16, TypeScript, Tailwind CSS v4
- Supabase (banco de dados)
- Dev: porta 1337

## Regras
- Nunca fazer commit direto — sempre usar /deploy
- Ícones: Lucide React, 20px, stroke-width 1.5
- Sem acentos em variáveis, nomes de arquivo, commits

## Comandos
- Dev: cd apps/web && npm run dev
- Build: cd apps/web && npm run build

Quanto mais contexto relevante o CLAUDE.md tiver, menos você precisa repetir instruções. O Claude Code carrega esse arquivo em todos os agentes que você lançar — incluindo os paralelos.

Janela de Contexto de 1M de Tokens: O Claude suporta até 1 milhão de tokens de contexto. Isso significa que você pode passar arquivos inteiros, logs completos, esquemas de banco de dados e histórico de decisões — sem compressão ou resumo. Use isso a seu favor: contexto completo gera respostas mais precisas.


Passo 3: Criar Skills Customizadas

Skills são habilidades customizadas que você ensina ao Claude Code para executar tarefas específicas do seu projeto. Elas ficam em ~/.claude/skills/ e podem ser invocadas com /nome-da-skill.

Como uma Skill é estruturada

Uma skill é basicamente um arquivo de instruções que o Claude lê antes de executar uma tarefa. Exemplo de estrutura:

~/.claude/skills/
  deploy/
    index.md        ← instruções principais
    knowledge/
      checklist.md  ← conhecimento específico
  geo/
    index.md
    references/
      seo-rules.md

Quando criar uma Skill

Crie uma skill quando você:

  1. 1.Repete a mesma tarefa mais de 3 vezes com as mesmas instruções
  2. 2.Tem um processo com múltiplos passos que precisa ser executado na ordem certa
  3. 3.Tem regras específicas que se aplicam a um domínio (ex: como escrever emails para a sua audiência)
  4. 4.Quer garantir consistência entre diferentes sessões e agentes

No EmailHacker.ai existem skills para: /deploy, /send (disparar email), /geo (criar guias SEO), /stream (preparar live), entre outras. Cada skill encapsula o conhecimento necessário para executar aquela tarefa sem precisar reexplicar tudo a cada vez.

Criando sua primeira Skill

Passo 1: Crie a pasta da skill: %%CODEBLOCK_2%%

Passo 2: Crie o arquivo index.md com as instruções: %%CODEBLOCK_3%%

Passo 3: Invoque com /minha-skill no Claude Code.


Passo 4: Orquestrar Agentes em Paralelo

Aqui está o diferencial real. O Claude Code permite lançar múltiplos agentes em terminais separados, cada um com sua própria tarefa, rodando simultaneamente.

Fluxo de Orquestração Paralela
Opus
Orquestrador
define tarefas
Sonnet #1 — componente React
Sonnet #2 — testes unitários
Haiku #3 — classificar dados
Você
revisa
e aprova

Método 1: Múltiplos Terminais Manuais

A forma mais simples: abra 3-5 janelas de terminal e execute Claude Code em cada uma com tarefas diferentes.

bash# Terminal 1
claude "Crie o componente Header seguindo o design system em knowledge/design/design-system.md"

# Terminal 2
claude "Escreva os testes unitários para src/lib/attribution.ts"

# Terminal 3
claude "Otimize as queries SQL em src/lib/supabase-queries.ts para reduzir latência"

Cada agente tem seu próprio contexto e executa independentemente. Você monitora os três ao mesmo tempo.

Método 2: Git Worktrees (Para Código)

Quando múltiplos agentes precisam editar arquivos diferentes do mesmo repositório, use git worktrees. Isso evita conflitos:

bash# Criar worktrees separados
git worktree add .worktrees/feature-header -b feature/header
git worktree add .worktrees/feature-tests -b feature/tests

# Lançar agente em cada worktree
cd .worktrees/feature-header && claude "Crie o componente Header"
cd .worktrees/feature-tests && claude "Escreva os testes para attribution.ts"

Cada agente trabalha em sua própria branch, sem interferir no trabalho do outro.

Método 3: Skills que Disparam Subagentes

O nível mais avançado: uma skill que, ao ser invocada, define e lança múltiplos subagentes automaticamente. O agente orquestrador (rodando em Opus) define as tarefas, e os subagentes (em Sonnet) executam em paralelo.

Essa abordagem é usada na skill /stream do EmailHacker.ai: ao preparar uma live, um agente busca métricas no banco, outro prepara o roteiro, e um terceiro verifica o estado do código — tudo ao mesmo tempo.

Regras de Ouro para Paralelização

01
Tarefas independentes
Só paralelize tarefas que não dependem uma da outra
02
Contexto específico
Cada agente precisa de contexto suficiente para trabalhar sozinho
03
Saída clara
Defina o que cada agente deve produzir ao final
04
Revisão centralizada
O orquestrador (ou você) consolida os resultados no final

Passo 5: Otimizar Custos

Usando agentes paralelos sem critério, os custos podem escalar rapidamente. Aqui estão as estratégias usadas no EmailHacker.ai:

Regra 80/15/5

80%
Sonnet
execução cotidiana
15%
Haiku
classificação e formatação
5%
Opus
decisões estratégicas

Cache de Contexto

O Claude tem cache automático de prefixo de prompt. Isso significa que se múltiplos agentes leem o mesmo CLAUDE.md e os mesmos arquivos de referência, o custo dessas leituras é cobrado uma vez, não por agente. Mantenha o contexto compartilhado no início da conversa para maximizar o cache.

Tamanho de Contexto vs. Custo

Tarefa simples
arquivo único
→ passe só o arquivo relevante
Feature nova
com dependências
→ passe os arquivos relacionados
Debug complexo
bug difícil
→ logs + arquivo + testes
Planejamento
sistema completo
→ toda documentação relevante

Monitore o Uso

O Claude Code exibe o custo estimado de cada sessão no terminal. Acompanhe isso por alguns dias para entender quais tarefas são mais caras e onde você pode trocar Sonnet por Haiku.


Caso Real: 4 Vídeos Simultâneos na Stream 8

Na Stream 8, Laschuk precisava renderizar 4 variações de vídeos Remotion para o projeto EmailHacker.ai — diferentes formatos para Reels, YouTube Shorts e stories.

O processo sequencial levaria ~40 minutos (10 min por vídeo). Com agentes paralelos:

Pipeline — Stream 8 — 4 Vídeos em Paralelo
Opus analisa formatos
4 agentes Sonnet lançados
4 renders simultâneos
~10 min entregue
Reels
9:16
YT Shorts
9:16
Stories
9:16
Variação
16:9

Passo 1: O agente orquestrador (Opus) analisou os 4 formatos necessários e definiu os parâmetros de cada renderização.

Passo 2: 4 agentes Sonnet foram lançados em terminais separados, cada um com a tarefa de configurar e disparar a renderização de um formato específico.

Passo 3: Os 4 processos de renderização rodaram simultaneamente. Tempo total: ~10 minutos (o mesmo de 1 vídeo).

Resultado: 4 vídeos entregues em 25% do tempo original. Laschuk usou esses minutos para gravar o áudio de narração e revisar o script — trabalho que só ele pode fazer.

Isso é o ponto central da abordagem: agentes fazem o trabalho repetível e computacional; você faz o trabalho criativo e estratégico.

Para ver outras aplicações de IA em streaming ao vivo, confira também a Stream 6 onde Laschuk explorou o Claude Computer Use para automação de interface.


Próximo Passo

Agora que você entende a lógica dos agentes paralelos, o caminho natural é:

  1. 1.Instale o Claude Code e configure seu primeiro CLAUDE.md
  2. 2.Identifique 3 tarefas no seu projeto que poderiam rodar em paralelo
  3. 3.Crie sua primeira skill para a tarefa que você mais repete
  4. 4.Lance 2 agentes simultaneamente e observe o fluxo

Se você quer acompanhar isso acontecendo ao vivo — código sendo escrito, agentes sendo orquestrados, features sendo construídas em tempo real — entra no Discord do EmailHacker.ai. Cada stream é uma aula prática de como usar IA para construir produto.


Erros Comuns

Erro 1: Usar Opus para tudo Symptoma: custos altos sem ganho proporcional de qualidade. Solução: reserve Opus para decisões estratégicas; use Sonnet para execução.

Erro 2: Contexto insuficiente para os agentes Sintoma: o agente toma decisões erradas ou pede mais informações constantemente. Solução: passe o contexto completo na primeira mensagem — arquivos relevantes, regras do projeto, exemplos do padrão esperado.

Erro 3: Paralelizar tarefas dependentes Sintoma: um agente precisa do output de outro para continuar, gerando gargalo. Solução: mapeie as dependências antes de paralelizar. Tarefas em sequência precisam rodar em sequência — só paralelize as verdadeiramente independentes.

Erro 4: Skills genéricas demais Sintoma: a skill não gera resultado consistente entre execuções. Solução: seja específico nas instruções. Inclua exemplos de input/output esperado, regras de negócio do seu projeto e checklist de validação.

Erro 5: Não revisar o output dos agentes Sintoma: código ou conteúdo de baixa qualidade vai para produção. Solução: sempre revise o output antes de commitar ou publicar. Agentes são rápidos, mas você é o último filtro de qualidade.

Erro 6: Ignorar o CLAUDE.md Sintoma: você repete as mesmas instruções em toda sessão. Solução: documente tudo que você repete mais de 2 vezes no CLAUDE.md. Isso é memória persistente do projeto — use-a.

Perguntas Frequentes

Claude Code agentes paralelos é caro?

Depende de como você configura. Usando Haiku para tarefas simples, Sonnet para execução e Opus só para planejamento estratégico, você mantém custos baixos. O maior ganho vem de fazer 4 tarefas no tempo de 1 — o custo total pode ser menor que o sequencial porque você paralela em vez de iterar.

Quantos agentes posso rodar em paralelo?

Tecnicamente não há limite rígido — o Claude Code é um processo de terminal, e você pode abrir quantos terminais quiser. Na prática, 3 a 5 agentes paralelos é o ponto ideal de aproveitamento sem sobrecarga cognitiva de gerenciamento. Acima de 5, o custo de revisar os outputs começa a superar o ganho.

Preciso de uma conta especial para usar agentes paralelos?

Não. Qualquer conta Anthropic com acesso à API consegue rodar múltiplos agentes em paralelo — basta abrir múltiplos terminais com o Claude Code. O custo é cobrado normalmente por tokens consumidos em cada sessão.

Git worktrees é obrigatório para agentes paralelos?

Não é obrigatório, mas é fortemente recomendado quando os agentes precisam editar arquivos do mesmo repositório. Sem worktrees, dois agentes podem modificar o mesmo arquivo simultaneamente e gerar conflitos. Para tarefas que não envolvem edição de código (ex: análise de dados, geração de conteúdo), worktrees não são necessários.

Como saber se uma tarefa vale ser paralelizada?

Faça duas perguntas: (1) Essa tarefa depende do resultado de outra tarefa que ainda não foi feita? Se sim, não paralelize — execute em sequência. (2) Essa tarefa leva mais de 2 minutos para ser executada? Se sim, é boa candidata para paralelização enquanto você faz outra coisa. Tarefas curtas e sequenciais não ganham com paralelização — o overhead de gerenciar o agente supera o ganho.

Construido ao vivoVer Stream 8 completa

Leia tambem

TODOS OS GUIAS