Agentes de código que aprendem
com suas correções
“Rode os testes antes de fazer o commit.” “Não mexa no lockfile.” Você já digitou isso dez vezes, para cinco agentes, em três CLIs. E amanhã uma nova sessão vai precisar ouvir tudo de novo.
O Learning Loop lê o que você digitou para os agentes de um projeto, encontra as correções que você vive repetindo e as propõe como regras curtas. Você aceita, edita ou recusa cada uma. As regras aceitas vão para a memória do projeto, e a partir daí todos os agentes as seguem, no Claude Code, no Codex e em qualquer outro CLI de agentes.
Suas correções
- Não, rode os testes primeiro
- Eu já disse: o lockfile não
Regra proposta
Rodar a suíte de testes antes de cada commit
AceitarTodos os agentes a seguem
Agentes de código começam cada sessão do zero. O que você corrigiu ontem, o agente de hoje não sabe, e o agente ao lado, em outro CLI, nunca soube. Então você corrige de novo, e a mesma correção volta semana após semana.
Escrever a regra você mesmo em um arquivo CLAUDE.md ou AGENTS.md funciona, mas ninguém para no meio de uma tarefa para fazer isso, e cada CLI lê o seu próprio arquivo. As correções ficam espalhadas em conversas antigas, onde nenhum agente vai lê-las.
O Learning Loop escreve por você. Ele revisa os seus próprios prompts, percebe o que você vive repetindo e entrega uma lista curta de regras para você aprovar. Quem decide continua sendo você: nada chega aos seus agentes até você aceitar.
O que o Learning Loop faz
Cada correção que você faz uma vez pode virar uma regra que seus agentes nunca esquecem.
Revisa as suas próprias correções
Só o que você digitou para os agentes é lido, não as respostas deles. A revisão encontra as correções que voltam e propõe até 10 regras, cada uma com sua categoria (convenção, armadilha, preferência, processo) e quantas vezes você a fez.
Suas palavras como evidência
Cada regra proposta mostra as frases que você realmente digitou, para você ver em um segundo se ela está certa. Os segredos são mascarados na sua máquina antes de qualquer análise.
Você aceita, edita ou recusa
Nada é aplicado sem você. Aceite uma regra como está, reformule-a ou recuse-a. Uma regra recusada nunca volta, nem com outras palavras.
Seguida por todos os agentes
As regras aceitas são gravadas na memória compartilhada do projeto, fixadas no topo do que os agentes leem antes de uma tarefa. Todos os agentes do projeto as seguem, seja qual for o CLI e seja qual for a máquina.
Mostra se a lição surtiu efeito
Cada regra aceita mostra se você precisou corrigi-la de novo desde então. Uma regra que continua sendo descumprida fica visível, para você reformulá-la em vez de se repetir.
Toda noite, se você quiser
Faça uma revisão manualmente quando quiser, ou ative a revisão diária e encontre novas regras esperando por você na manhã seguinte. Um lembrete acima da caixa de mensagem avisa quando há lições aguardando o seu veredito.
Como funciona
Quatro etapas. Você faz duas delas, em poucos segundos cada.
- 1
Abra o Learning Loop
Clique no capelo de formatura no dock de um projeto, ao lado de “Memória”, e clique em “Fazer a revisão”. A primeira revisão lê as últimas duas semanas dos seus prompts para os agentes desse projeto.
- 2
Um agente de revisão lê seus prompts
Por padrão, um agente de revisão roda no seu próprio CLI, então seus prompts ficam com o provedor que já os recebeu. Ele escreve uma revisão curta: o que importa para você, os erros que você mais corrige e as regras que ele propõe.
- 3
Você decide
Alguns minutos depois, as regras propostas esperam na aba “Para validar”, com as suas próprias palavras como evidência. Aceite, edite ou recuse cada uma, no desktop ou na tela Learning Loop do app mobile.
- 4
Todos os agentes seguem as regras
As regras aceitas são gravadas na memória do projeto. O próximo agente que você iniciar, em qualquer CLI e em qualquer máquina do projeto, as lê antes de começar, e a aba “Aceitas” acompanha aquelas que você ainda precisou corrigir.
Por que isso muda o jeito de programar com agentes
Sem ele, o tempo que você gasta corrigindo agentes se perde no momento em que a sessão termina. Com ele, cada correção é paga uma única vez: ela vira uma regra, e a regra vale para todos os agentes que vêm depois, inclusive os que você ainda nem iniciou.
E o efeito se acumula. Na primeira semana, o Learning Loop pega o óbvio: o comando de testes, a pasta que não se toca, o formato dos commits. Um mês depois, ele está pegando o seu gosto: como você nomeia as coisas, o que você considera pronto, quais atalhos você nunca aceita. Seus agentes se aproximam do seu jeito de trabalhar, e você passa menos tempo do seu dia dizendo a mesma coisa.
E tudo continua sendo seu. As regras são frases curtas na memória do projeto, legíveis e editáveis, não uma configuração oculta do modelo. Remova uma e ela some para todos os agentes de uma vez.
Limites
- Nada roda sozinho: uma revisão começa quando você clica em “Fazer a revisão”, ou toda noite depois que você ativa a revisão diária.
- Os agentes leem as regras na memória do projeto. Um agente com a memória desligada, ou um projeto com a memória desativada, não as vê.
- As revisões leem as conversas armazenadas no seu computador, então o app desktop precisa estar aberto para uma revisão rodar.
- O serviço opcional do AgentsRoom envia seus prompts mascarados para a OpenAI fazer a análise, com o seu consentimento: 3 revisões por mês no Free e no Plus, ilimitadas no Pro ou com a sua própria chave da OpenAI. As revisões no seu próprio CLI são ilimitadas em todos os planos.
- Até 10 regras propostas por revisão, a partir de cerca dos últimos 40.000 tokens dos seus prompts, dos mais recentes para os mais antigos.
Perguntas frequentes
Faça outra perguntaComo paro de repetir a mesma correção ao Claude Code?
Funciona com o Codex e outros CLIs, não só com o Claude Code?
É um agente de código que se aprimora sozinho?
Para onde vão meus prompts durante uma revisão?
Qual a diferença em relação a escrever um arquivo CLAUDE.md?
Uma regra que eu recusei pode voltar?
Como sei se uma regra aceita realmente funciona?
Para se aprofundar
AGENTS.md: um único arquivo de contexto para todo agente de código (Codex, Antigravity, Claude)
AGENTS.md é o arquivo de instruções portátil que seus agentes de código leem antes de tocar no seu código. O que colocar nele, como ele se diferencia do CLAUDE.md e como manter um único contexto entre Codex, Antigravity e Claude.
As Melhores Soluções de Memória para Seus Agentes Claude AI em 2026
CLAUDE.md, mem0, Letta, Zep, basic-memory, Obsidian mais MCP, Projeto Memória AgentsRoom: um mapa honesto das opções de memória para agentes de codificação AI e como escolher uma.
Você também pode gostar
Project Memory
Dê aos seus agentes de codificação IA uma memória de longo prazo. Decisões, arquitetura e armadilhas persistem entre as sessões e são compartilhadas com todos no projeto. Grátis, ilimitado.
Scheduled Tasks: cron para agentes de IA
Agende agentes de IA e fluxos de desenvolvimento recorrentes sem escrever uma única expressão cron. Rode uma sessão Claude Code ou Codex toda manhã para revisar pull requests, examine logs de crash toda noite, verifique dependências toda segunda-feira, gere um changelog semanal ou execute uma passagem de QA após cada deploy. Escolha uma frequência (a cada N minutos, horária, diária, semanal, mensal), um prompt e um papel de agente. O AgentsRoom o inicia para você, recupera execuções perdidas no próximo arranque e mantém um histórico reabrível.
Novo recurso
Salve, organize e anexe skills reutilizáveis (formato Claude SKILL.md + exportação universal) às suas tarefas e agentes. Sincronize entre dispositivos, exporte para Claude / Cursor / Codex / Windsurf sob demanda.
Corrija uma vez. Todos os agentes lembram.
O Learning Loop está no AgentsRoom para macOS, Windows e Linux, com o app mobile para validar regras pelo celular.
App complementar: acompanhe seus agentes em qualquer lugar
Use Claude, Codex, Antigravity CLI ou outro provedor de IA.
Envie bugs e pedidos direto para o seu backlog público.