Learning Loop

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.

Learning Loop

Suas correções

  • Não, rode os testes primeiro
  • Eu já disse: o lockfile não

Regra proposta

Rodar a suíte de testes antes de cada commit

Aceitar

Todos 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. 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. 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. 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. 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 pergunta
Como paro de repetir a mesma correção ao Claude Code?
Abra o Learning Loop no AgentsRoom e faça uma revisão. Ele lê o que você digitou para os agentes do projeto, encontra as correções que continuam voltando e as propõe como regras curtas. Aceite as que estiverem certas: elas são gravadas na memória do projeto, e cada agente do Claude Code no projeto as lê antes de uma tarefa, então você não precisa repetir.
Funciona com o Codex e outros CLIs, não só com o Claude Code?
Sim. As regras ficam na memória do projeto do AgentsRoom, que todo CLI de agentes conectado ao AgentsRoom lê: Claude Code, Codex, Antigravity e os demais. Uma correção que você fez a um agente do Claude Code vira uma regra que um agente do Codex também segue.
É um agente de código que se aprimora sozinho?
Na prática, sim: seus agentes trabalham cada vez mais do jeito que você quer, sessão após sessão. Mas nada muda pelas suas costas. A melhoria é uma lista de regras curtas que você aprovou, escritas onde você pode lê-las, editá-las ou removê-las.
Para onde vão meus prompts durante uma revisão?
Por padrão, para nenhum lugar novo: a revisão roda no seu próprio CLI, então seus prompts só chegam ao provedor que já os recebeu. Só se você ativar o serviço AgentsRoom para um projeto, com o seu consentimento explícito, os prompts mascarados passam pelo nosso servidor até a OpenAI. Os segredos são mascarados primeiro na sua máquina, e os prompts brutos nunca são armazenados no nosso servidor.
Qual a diferença em relação a escrever um arquivo CLAUDE.md?
Um arquivo CLAUDE.md ou AGENTS.md é algo que você mesmo escreve e mantém, e cada CLI lê o seu. O Learning Loop encontra as regras para você no que você já digitou, pede que você as confirme e as coloca em um único lugar que todos os CLIs leem. Os dois funcionam bem juntos: mantenha seu arquivo de instruções para a visão geral e deixe o Learning Loop reunir os detalhes que você vive corrigindo.
Uma regra que eu recusei pode voltar?
Não. Uma regra recusada ou removida nunca é proposta de novo, e a revisão é avisada disso para que ela também não volte reformulada.
Como sei se uma regra aceita realmente funciona?
A aba “Aceitas” mostra, para cada regra, se você precisou fazer a mesma correção de novo desde que a aceitou. Se uma regra continua sendo descumprida, edite-a para deixá-la mais clara.

Para se aprofundar

Você também pode gostar

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.

Baixar o AgentsRoomGrátis

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.