Sim, a Anzen usa Claude Code no dia a dia, e sim, isso encurtou a entrega de uma landing page de duas semanas pra cinco dias úteis. Mas a parte importante é o que NÃO mudou: a estratégia, a direção de design e a copy de marca continuam saindo da nossa cabeça. A IA acelera a execução, não substitui a decisão. Esse artigo é o método real, com o que delegamos, o que seguramos na mão e como garantimos que a performance (nota 100 de SEO, Core Web Vitals no verde) não caia no processo.
Se você tem 30 segundos: a Anzen usa o Claude Code como ferramenta de execução técnica dentro do repositório. Acelera componentes, refatoração, otimização de imagens e gestão de CMS. Não toca em estratégia de conversão, direção de design ou copy de marca. A qualidade vem de três coisas. AGENTS.md descrevendo o padrão do projeto. Revisão humana linha por linha em código crítico. Checklist de Core Web Vitals antes de entregar.
O que é Claude Code, na prática
Claude Code é um agente de IA que roda direto no terminal, dentro do nosso repositório. Diferente de um chat onde você copia e cola código, ele lê os arquivos do projeto, edita componentes, roda comandos e entende a estrutura inteira do site. Pra quem constrói em Next.js e Tailwind como nós, isso significa pedir "cria a variação B dessa seção de preços mantendo o design system" e receber o código já encaixado nos nossos padrões, não um trecho genérico que precisa ser reescrito.
A diferença pra um ChatGPT comum ou um GitHub Copilot está no contexto. ChatGPT não vê o projeto, então cospe código genérico que precisa ser adaptado. Copilot autocompleta linha por linha, mas não decide nem refatora múltiplos arquivos. Claude Code lê o repositório inteiro, segue regras documentadas (o que a gente chama de AGENTS.md), edita vários arquivos numa pancada só e roda comandos pra validar. É agente de execução, não assistente de digitação.
AGENTS.md: o protocolo que faz a IA seguir o nosso padrão
AGENTS.md é um arquivo markdown na raiz do repositório que descreve as regras do projeto pro agente. Stack, performance budget, padrão de componentes, gate de qualidade, convenções de copy. O Claude Code lê esse arquivo antes de mexer em qualquer coisa, o que significa que o output já nasce dentro do padrão Anzen, não improvisado. A mesma ideia existe em outras ferramentas com nomes diferentes: CLAUDE.md no ecossistema Anthropic, Cursor Rules no Cursor, .github/copilot-instructions.md no GitHub Copilot.
Pra ter ideia do que entra ali: a nossa AGENTS.md tem regras como "Next.js 16 + Tailwind v4, server components por padrão", "LCP abaixo de 2,5s, INP abaixo de 200ms, CLS abaixo de 0,1", "imagens webp 1600x1000 com qualidade 85 e peso até 150KB", "zero travessão em copy user-facing", "validar mobile 375px antes de fechar tarefa". Quando o agente cria um componente novo, ele já encaixa nessas regras. Quando gera uma imagem, já sabe o formato. Quando escreve copy, já sabe o tom. Esse é o ponto que separa código gerado por IA de código que parece feito pela marca.
O que de fato acelera
Montar e refatorar componentes
Componentes repetitivos (cards de depoimento, blocos de FAQ, grids de features) saem em minutos a partir de um já existente. Refatoração de código legado, que antes era tarefa chata de uma tarde inteira, vira um pedido objetivo: "extrai esse trecho repetido em um componente reutilizável e atualiza todos os usos". A IA faz o trabalho mecânico, a gente revisa o resultado.
Gerar variações de página
Em educação digital, teste A/B de página de captura é rotina. Pedir três versões de uma hero com headlines e layouts diferentes, partindo da mesma base, é onde o ganho de tempo aparece mais claro. A gente decide qual hipótese testar, a IA materializa as variações.
Performance e otimização de imagens
Esse é o ponto que mais conecta com o nosso posicionamento. Converter imagens pra WebP, configurar lazy loading correto, ajustar tamanhos responsivos e caçar o que está derrubando o LCP: tudo isso é tarefa técnica e repetitiva que a IA executa rápido. A gente roda o Lighthouse, aponta o gargalo, e o agente aplica a correção. O resultado é manter os Core Web Vitals no verde sem gastar dias nisso.
Popular e gerenciar o CMS
Migrar conteúdo, padronizar metadados de SEO, gerar slugs e estruturar dados de blog: trabalho de digitação e organização que ninguém sente falta de fazer manualmente. Delegar isso libera tempo pra parte que importa.
Um caso real: a infra de SEO e AEO do nosso blog
Pra dar um exemplo concreto, quando montamos a camada de SEO e AEO (Answer Engine Optimization) do próprio blog da Anzen, descrevemos pro Claude Code o que queríamos numa única instrução: sitemap dinâmico com 18 rotas, robots permitindo crawlers de IA (Google-Extended, GPTBot, ClaudeBot, PerplexityBot, ChatGPT-User), arquivo llms.txt no padrão emergente do llmstxt.org, JSON-LD Article com Person/Organization, FAQPage com SpeakableSpecification, BreadcrumbList e ItemList automático em artigos listicle.
Ele leu o AGENTS.md, leu os arquivos existentes em src/app, gerou todos os schemas seguindo a tipagem de Next.js 16, rodou npm run build pra validar que nada quebrou e deixou pronto pra deploy. Tempo total: cerca de quarenta minutos. Manualmente, isso seria três tardes inteiras lendo a documentação do schema.org, da metadata do Next.js e debugando erros de tipagem em cada schema. A parte estratégica (decidir quais schemas adicionar, que campos importam pra cada um, como ancorar o autor como entidade) continuou sendo nossa. A parte de execução virou comando.
O que NÃO delegamos
Aqui mora a diferença entre usar IA com critério e produzir site genérico. Estratégia de conversão (qual oferta, qual ordem de argumentos, onde colocar o CTA) é decisão de quem entende o negócio do cliente. Direção de design (a identidade, o que torna a marca reconhecível) é nossa. E copy de marca, o tom de voz que faz um curso parecer confiável, não terceirizamos pra um modelo que escreve a média da internet.
“A IA é o melhor estagiário de execução que já tivemos. Mas estagiário nenhum decide o posicionamento da marca.”
Como mantemos a qualidade
Três regras. Primeira: nada vai pra produção sem revisão humana, linha por linha quando é código crítico. Segunda: a IA trabalha dentro do nosso design system e das nossas convenções, então o output já nasce no padrão certo, não improvisado. Terceira: toda página passa pelo nosso checklist de performance e acessibilidade antes de entregar. A IA acelera, mas o portão de qualidade continua sendo humano.
Os Core Web Vitals (LCP, INP e CLS) e a nota de Lighthouse são padrão público do Google, documentado em web.dev/vitals, e a gente trata como linha de base não negociável, não como meta opcional. Toda página passa por essa régua antes de ir pro ar, independente de quem escreveu o código (humano ou IA).
Fontes e leituras
Pra quem quer ir mais fundo. A documentação oficial do Claude Code está em docs.anthropic.com/claude-code. Os Core Web Vitals e métricas que usamos como régua de performance são especificação pública do Google em web.dev/vitals. O padrão emergente llms.txt, que indexa o site pra agentes como ChatGPT e Perplexity, está documentado em llmstxt.org. A ideia de AGENTS.md (e variantes como CLAUDE.md, Cursor Rules, Copilot instructions) vem do trabalho da Anthropic sobre agentes orientados por contexto: documentar o que importa pra que o agente siga, em vez de improvisar a cada chamada.
Próximo passo
Se você tem um produto de educação digital e precisa de uma página que carregue rápido e converta, a velocidade que a gente ganhou com IA vira prazo menor pra você sem desconto na qualidade. Chama a Anzen e a gente mostra o método aplicado ao seu projeto.
