Fontes
Todos os fatos e definições centrais deste curso vêm dos materiais a seguir. As citações permanecem no idioma original, o inglês.
S1 — Documentação do Claude Code: Workflows
URL: https://code.claude.com/docs/en/workflows
- authority: official-docs
A página oficial de workflows do Claude Code, que explica como um workflow dinâmico conduz vários subagentes a partir de um script — o formato que serve para auditorias de bases de código grandes, migrações amplas e pesquisas com verificação cruzada.
Citação principal:
"Reach for a workflow when a task needs more agents than one conversation can coordinate, or when you want the orchestration codified as a script you can read and rerun."
S2 — Alex Op: Claude Code Workflows and Deterministic Orchestration
URL: https://alexop.dev/posts/claude-code-workflows-deterministic-orchestration/
- authority: authoritative-guide
Uma leitura atenta do padrão de orquestração determinística: o script é dono dos loops e das ramificações, cada chamada agent() entrega o trabalho a um subagente novo, e só o trabalho em si é conduzido pelo modelo.
Citação principal:
"A normal agent decides the control flow as it goes. A workflow inverts that. You write the control flow as plain code, and each individual step is delegated to a fresh subagent."
S3 — ClaudeWorld: What Is a Workflow? Multi-Agent Orchestration Explained
URL: https://claude-world.com/articles/what-is-a-workflow-multi-agent-orchestration/
- authority: authoritative-guide
Traça como o Claude Code saiu de um agente único para o fan-out de subagentes e daí para workflows conduzidos por script, e apresenta os quatro estágios mais a ideia central da orquestração.
Citação principal:
"Orchestration is exactly what it sounds like: one score, many musicians. A script deciding it — for loop, if statement — is orchestration."
S4 — MindStudio: Five Claude Code Agentic Workflow Patterns
URL: https://www.mindstudio.ai/blog/claude-code-agentic-workflow-patterns
- authority: authoritative-guide
Percorre cinco padrões de workflow — sequencial, operador, dividir-e-juntar, times de agentes e headless — e a complexidade de tarefa que cada um atende.
Citação principal:
"Understanding the five core Claude workflow patterns — sequential, operator, split-and-merge, agent teams, and headless — determines how much you can actually get done."
S5 — Mae Capozzi: Building a Multi-Agent Orchestrator
URL: https://maecapozzi.com/blog/building-a-multi-agent-orchestrator
- authority: blog
Um relato de campo sobre a construção de um orquestrador de seis fases para agentes de programação especializados, usando tracing distribuído, orquestração por fases e isolamento de processos.
Citação principal:
"Phase-based orchestration: Break work into discrete phases (planning, implementation, testing, review) rather than letting agents free-roam."
S6 — AWS Marketplace: Agent Orchestration
URL: https://aws.amazon.com/marketplace/build-learn/ai-agent-learning-series/agent-orchestration
- authority: official-docs
O guia da própria AWS sobre orquestração multiagente com Step Functions, Bedrock Agents e MWAA, cobrindo o control plane, a gestão de estado e as etapas de aprovação humana.
Citação principal:
"An orchestrated workflow needs configurable retry policies with exponential backoff and jitter so that transient errors don't permanently fail long-running workflows."
S7 — Vasanthan: Handling Failures in Agent-Based Workflows
URL: https://medium.com/@vasanthancomrads/handling-failures-in-agent-based-workflows-c0fd9489b2ee
- authority: blog
Um apanhado prático do tratamento de falhas em workflows de agentes — retries, fallbacks, validação e circuit breakers — voltado a sistemas que precisam se sustentar em produção.
Citação principal:
"User Input → Agent → Tool Call → Retry → Circuit Breaker → Validation → Fallback (if needed) → Confidence Check → Human-in-loop (optional) → Final Output"
S8 — Augment Code: How Async AI Agent Workflows Survive Failure
URL: https://www.augmentcode.com/guides/async-ai-agent-workflows
- authority: authoritative-guide
A sequência de recuperação usada por sistemas em produção: backoff exponencial com jitter para erros transitórios, troca de provedor, ações compensatórias e como o AWS Step Functions configura o tratamento de erros.
Citação principal:
"Retry with exponential backoff and jitter for transient errors (5xx, network timeouts). AWS Step Functions provides error handling with configurable backoff and jitter for retries."
S9 — Agents Arcade: Error Handling in Agentic Systems
URL: https://agentsarcade.com/blog/error-handling-agentic-systems-retries-rollbacks-graceful-failure
- authority: blog
Traça a linha que importa para os retries: repetir uma chamada de modelo sem estado é barato, mas repetir uma chamada de ferramenta que escreve em um banco de dados ou envia e-mail é outra coisa completamente diferente.
Citação principal:
"Retrying a stateless model call is usually fine. Retrying a tool invocation that writes to a database, sends an email, or triggers a downstream workflow is often a bug disguised as resilience."
S10 — Temporal: 11 Production Failure Patterns in AI Agent Orchestration
URL: https://www.xgrid.co/resources/temporal-ai-agent-orchestration-failure-patterns/
- authority: authoritative-guide
Onze padrões de falha observados ao rodar agentes de IA no Temporal, com análise e correções para orquestração de LLM, retries, cancelamento, carga e etapas com humano no circuito.
Citação principal:
"LLM activity retry policies should be defined per error class, not as a single catch-all policy on the activity registration."
S11 — MindStudio: Workflow State vs. Session State
URL: https://www.mindstudio.ai/blog/workflow-state-vs-session-state-ai-agents
- authority: authoritative-guide
Separa os dois tipos de estado — o estado de sessão, o contexto descartável da conversa atual, e o estado do workflow, o histórico da tarefa que sobrevive a ela — e defende que a máquina de estados é a forma mais clara de modelar o segundo.
Citação principal:
"Claude Code uses a file called CLAUDE.md in projects as a form of persistent workflow context — a place to store project-specific instructions, conventions, and state that survives across sessions."
S12 — MachineLearningMastery: 5 Architectural Patterns for Persistent Memory and State in AI Agents
- authority: authoritative-guide
Distingue estado de memória — o estado é o retrato da tarefa atual, a memória é o que foi aprendido com as anteriores — e mostra como os checkpoints salvam o estado do workflow para que uma execução possa continuar.
Citação principal:
"State is a snapshot. It's everything the agent currently knows about a task right now: what step it's on, what the last tool call returned, what variables it's tracking."
S13 — Appamass: State Management Patterns for Reliable AI Agent Workflows
- authority: blog
Como manter o estado fora da janela de contexto nativa do modelo: representar a situação atual como um objeto simples, para que ela continue estruturada e consultável, e depois persisti-la para permitir a recuperação.
Citação principal:
"Using Plain Old Java Objects (POJOs) or similar structures to represent the 'current situation' allows for a structured, queryable state."
S14 — Ranjan Kumar: Building Agents That Remember
URL: https://ranjankumar.in/building-agents-that-remember-state-management-in-multi-agent-ai-systems
- authority: blog
Apresenta a árvore de memória de tarefas — uma hierarquia em que cada nó é um passo com sua ação, entradas, saídas e status — como forma de dar suporte a raciocínio não linear e de gerenciar um workflow.
Citação principal:
"Store this state externally (Redis, Postgres, etc.) and load it at the start of each agent turn. If the agent crashes, you can resume exactly where it left off."
S15 — Chrono Innovation: Architecture for Scalable Agentic AI Workflows
URL: https://www.chronoinnovation.com/resources/agentic-ai-workflows-architecture/
- authority: authoritative-guide
Defende tratar a montagem do contexto como uma decisão de projeto por direito próprio: objetos de estado estruturados com campos nomeados, buscados conforme o próximo passo precisa, em vez de um contexto que só se acumula.
Citação principal:
"Treat context assembly as a first-class operation in your workflow design. One pattern that works well: structured state objects with explicit fields rather than free-form context accumulation."
S16 — ApX Machine Learning: Task Decomposition Strategies for LLM Agents
- authority: authoritative-guide
A abordagem de referência para a decomposição: pedir ao próprio modelo que a faça, via prompting zero-shot, exemplos few-shot ou chain-of-thought, transformando um objetivo de alto nível em uma sequência de passos.
Citação principal:
"The most direct approach uses the LLM itself to perform the decomposition. This typically involves prompting the LLM with the high-level goal and asking it to generate a sequence of steps or sub-tasks."
S17 — ACONIC paper: Systematic LLM Task Decomposition
URL: https://arxiv.org/html/2510.07772v1
- authority: research
Apresenta o ACONIC, que modela uma tarefa como um problema de restrições e usa medidas formais de complexidade para orientar como ela é dividida — o que vale de 10 a 40 pontos percentuais em tarefas combinatórias e de consulta a bancos de dados.
Citação principal:
"A principled measure of task complexity would enable systematic decomposition strategies and the ability to study tasks of comparable difficulty, and provide guidance on when tools are needed."
S18 — OneUpTime: How to Create a Task Decomposition
URL: https://oneuptime.com/blog/post/2026-01-30-task-decomposition/view
- authority: blog
Três estratégias de decomposição — sequencial simples, paralela quando as partes são independentes e híbrida para qualquer coisa real — construídas a partir de subtarefas atômicas com as dependências declaradas de forma explícita.
Citação principal:
"Start with simple sequential decomposition, add parallelism where tasks are independent, and use hybrid approaches for real-world complexity."
S19 — AI21: What Is Task Decomposition?
URL: https://www.ai21.com/glossary/foundational-llm/task-decomposition/
- authority: official-docs
Como o planejamento hierárquico e o encadeamento de prompts quebram uma tarefa em camadas ordenadas ou módulos paralelos, permitindo que um agente planeje, execute e revise subtarefas com menos alucinações e menos raciocínio desperdiçado.
Citação principal:
"Hierarchical planning and prompt chaining decompose tasks into ordered layers or parallel modules, enabling LLM agents to plan, execute, and reflect on subtasks efficiently."
S20 — ClaudFlow: 7 Patterns for Claude Code Workflow Automation
URL: https://claudflow.com/guides/claude-code-workflow-automation.html
- authority: authoritative-guide
Sete padrões para o trabalho do dia a dia — code review, refatoração, geração de testes, documentação, diagnóstico de bugs, migração e auditorias de segurança —, cada um transformando um processo feito à mão em algo repetível.
Citação principal:
"Claude code workflow automation transforms development tasks from inconsistent manual processes into reliable, repeatable pipelines."
S21 — Kinde: Multi-Agent Workflows for Complex Refactoring
- authority: authoritative-guide
A coordenação de vários agentes ao longo de uma refatoração grande — um na análise de arquitetura, um na migração de código, um na validação dos testes — com exemplos resolvidos em Autogen e CrewAI.
Citação principal:
"Learn to coordinate multiple AI agents for large-scale refactoring projects—one for architecture analysis, another for code migration, and a third for test validation."
S22 — RefAgent paper: A Multi-Agent LLM Framework for Automated Software Refactoring
URL: https://arxiv.org/html/2511.03153v1
- authority: research
O RefAgent espelha a sequência que uma refatoração humana segue, dividindo o trabalho entre agentes: planejamento, transformação, validação e correção iterativa por meio de raciocínio e colaboração.
Citação principal:
"RefAgent orchestrates an end-to-end workflow that includes planning, transformation, validation, and iterative correction through reasoning and collaboration."