Claude Code × Obsidian: Guia Completo para Criar 15 Alter Egos de "Cérebro Externo" com IA

Atualmente, temos 15 funcionários de IA trabalhando de forma autônoma. Para torná-los ainda mais eficazes, criei 15 alter egos, cada um com uma personalidade específica, herdando meu conhecimento e padrões de pensamento. Não dou instruções detalhadas a eles; eles já entendem meu pensamento, portanto não há necessidade de comunicação desnecessária.

Nos últimos anos, a evolução da IA tem sido notável, revolucionando nossos estilos de trabalho e processos de pensamento. No entanto, a maioria do uso da IA ainda está presa a um formato de perguntas e respostas "avulso", não conseguindo liberar o verdadeiro potencial da tecnologia. Para usar a IA não apenas como uma ferramenta passiva, mas como um "colaborador" que pensa, age e aprende autonomamente, é essencial construir um sistema onde a IA possa fazer um "Loop".

Este artigo oferece um guia prático sobre como construir um "Cérebro Externo de IA" combinando Claude Code e Obsidian. Exploraremos o conceito do "Loop de IA" — onde a IA cicla continuamente por "Planejar → Executar → Verificar → Corrigir" — e forneceremos métodos de implementação específicos com exemplos práticos de código. Desde a configuração da infraestrutura até a teoria do design do Loop de IA, automação de fluxo de trabalho com Skills, gerenciamento autônomo de projetos com a Camada PM, e automação avançada e gerenciamento de custos, este guia cobre tudo que você precisa para tornar a IA uma verdadeira parceira.

Parte 1: Construindo o Cérebro Externo de IA

A base do "Loop de IA" é o "Cérebro Externo de IA", que agrega e gerencia conhecimento pessoal e informações de projetos. Ao vincular Claude Code, Obsidian e Git, construímos uma infraestrutura robusta para a IA referenciar, aprender e agir. Este capítulo explica as etapas específicas de configuração e a estrutura de diretórios recomendada.

1.1 O Conceito do Cérebro Externo de IA

Um Cérebro Externo de IA é uma base de conhecimento estruturada que externaliza as funções de memória, aprendizado e pensamento humano para que a IA possa acessá-las e utilizá-las. Isso permite que a IA tome decisões avançadas e resolva problemas consultando experiências e conhecimentos passados.

・Base de Conhecimento: Uma coleção de notas Markdown gerenciadas no Obsidian, incluindo ideias, projetos, notas de reuniões e informações técnicas.

・Agente de IA: Programas centrados no Claude Code que executam processos automatizados.

・Controle de Versão: Gerenciamento e sincronização da base de conhecimento usando Git e GitHub.

・Camada de Automação: Execução periódica de tarefas e processamento orientado a eventos usando GitHub Actions.

1.2 Preparando o Ambiente de Desenvolvimento

1. Obsidian: Uma ferramenta de gerenciamento de conhecimento para notas Markdown locais.
2. Git: Um sistema de controle de versão para gerenciar notas em um repositório GitHub.
3. Claude Code: O ambiente de execução do agente de IA usando a API Claude da Anthropic.
4. Conta GitHub: Necessária para armazenamento remoto e automação via GitHub Actions.

1.3 Estrutura de Diretórios Recomendada

1.claude/          # Comandos e configuração do Claude Code
2  commands/       # Scripts de comando personalizados
3  config.yaml     # Configurações do Claude Code
400_Inbox/         # Notas temporárias e informações não organizadas
510_Projects/      # Diretórios para projetos em andamento
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # Domínios contínuos (ex.: Desenvolvimento, Marketing)
1030_Resources/     # Materiais de referência e recursos de aprendizado
1140_Archives/      # Projetos concluídos e informações antigas
12README.md         # Visão geral do cérebro externo

1.4 Sincronização com Git e GitHub

Sincronizar as notas do Obsidian com o GitHub oferece segurança de dados, rastreamento de alterações, sincronização entre dispositivos e permite que o Claude Code leia/escreva na base de conhecimento.

1.5 Configuração do Claude Code

Claude Code é um agente de codificação de IA que realiza operações de arquivos, geração de código e execução de comandos com base em instruções em linguagem natural. Ele serve como "mãos e pés" do Cérebro Externo de IA.

Uso Básico:
``bash
claude "Please describe the purpose and overview of this project in README.md."
``

Parte 2: Implementando Portões de Verificação

Este capítulo foca na teoria do "Loop de IA" e na implementação de "Portões de Verificação" (VERIFY Gate), que determinam o sucesso ou fracasso das operações autônomas.

2.1 Os 5 Estágios do Loop de IA

1. DESCOBRIR: Identificar problemas e reunir informações.
2. PLANEJAR: Criar um plano de ação.
3. EXECUTAR: Realizar o trabalho.
4. VERIFICAR: Avaliar objetivamente os resultados.
5. ITERAR: Corrigir e tentar novamente com base na verificação.

2.2 Importância do VERIFY Gate

Sem um portão de verificação rigoroso, a IA pode cair em autossatisfação, assumindo falsamente que uma tarefa está completa quando não está. O portão garante que a IA entenda o que constitui sucesso.

2.3 Implementação em Código do VERIFY Gate

Aqui está um script Python que verifica automaticamente a qualidade do código usando mypy e pytest:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- Starting Code Verification ---")
14    # Executar mypy e pytest...
15    return True, "All code quality checks passed."
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 Design de Condição de Parada

Para evitar loops infinitos e picos de custo, você deve definir condições de parada como critérios de sucesso, iterações máximas, limites de orçamento e limites de tempo.

Parte 3: Skills e Camada PM

3.1 Projetando Skills

No Claude Code, você pode definir "Skills" personalizadas para transformar operações complexas em comandos únicos, como /decompose ou /work.

3.2 Introduzindo a Camada PM

Para alcançar autonomia real, a IA precisa de uma "camada de julgamento" para entender o contexto do projeto (O quê, Por quê, Como, Quando). Usamos um arquivo pm_brief.md em cada diretório do projeto para fornecer esse contexto.

Parte 4: Automação Sempre Ativa

Usando GitHub Actions, podemos fazer a IA trabalhar periodicamente sem intervenção humana.

4.1.1 Limpeza Matinal da Caixa de Entrada

Um fluxo de trabalho que é executado todas as manhãs às 9:00 para organizar a pasta 00_Inbox/.

4.2 Monitoramento e Gerenciamento de Custos

A automação Sempre Ativa é poderosa, mas requer monitoramento de custos. Use --max-budget-usd e --max-turns para limitar gastos por execução.

Conclusão: Projetando o Loop

A chave para maximizar a IA não é apenas um prompt inteligente, mas projetar um Loop onde a IA possa planejar, executar, verificar e corrigir a si mesma. Ao combinar Claude Code e Obsidian, você transforma a IA de uma ferramenta simples em um colaborador contínuo.