Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarLangChain Blog→ original

Agente de design da LangChain no Slack publicou 3 mil materiais, e o custo de cada pedido caiu de US$ 8 para 50 centavos

A LangChain não tinha designers suficientes para todos os pedidos, então a equipe criou no Slack o agente Content Studio: a partir de uma descrição, ele produz vídeos, slides e gráficos no estilo da empresa. Já publicou mais de 3 mil materiais, e um pedido típico (mediano) custa cerca de 50 centavos em processamento do modelo, contra US$ 8 em meados de setembro. A conclusão da equipe é que vale manter os princípios de design e remover as regras-muleta assim que sair um modelo mais capaz.

Processado por IA de LangChain Blog; editado por Hamidun News
Agente de design da LangChain no Slack publicou 3 mil materiais, e o custo de cada pedido caiu de US$ 8 para 50 centavos
Fonte: LangChain Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalLangChain Blog ↗
Editor-chefe
Dado-chave #175% das solicitações não vêm do marketing, e sim de product managers, engenheiros e fundadores
Dado-chave #2O código da equipe encolheu cerca de 80% após a migração para o Managed Deep Agents
Dado-chave #3Cada thread no Slack recebe uma máquina Linux isolada com o projeto

Em qualquer startup, faltam designers para todos os pedidos: lançamentos, webinars, blogs e eventos exigem títulos, diagramas, apresentações e vídeos, e os designers se afogam em trabalho repetitivo. Na LangChain, esse problema foi resolvido com o agente Content Studio, que vive no Slack. A pessoa descreve a tarefa e anexa um briefing, e o agente devolve os arquivos prontos no estilo da empresa. Em quatro meses, ele publicou mais de 3 mil materiais, e um pedido típico (mediano) passou a custar cerca de 50 centavos em processamento do modelo. Em meados de setembro, o mesmo pedido custava cerca de US$ 8. A equipe explicou como tudo funciona e abriu o código.

O que foi feito em quatro meses

Entre os 3 mil materiais, há mais de 80 apresentações. Uma delas entrou no vídeo orgânico mais assistido da empresa no YouTube. As publicações sobre o trabalho do agente no X somaram cerca de 4,5 milhões de visualizações, e os posts da conta da LangChain com gráficos feitos por ele recebem aproximadamente o dobro de curtidas e 3,7 vezes mais salvamentos que os demais.

Três em cada quatro pedidos agora vêm de fora do marketing: product managers, engenheiros e fundadores recorrem ao agente. 75% dos usuários voltam toda semana. Depois da migração para o Managed Deep Agents, o código próprio da equipe encolheu cerca de 80%: o serviço assumiu o ambiente de execução gerenciado, a integração com o Slack, a memória do agente e a execução por agendamento.

O começo foi ruim. Segundo os autores, as primeiras avaliações foram "não muito boas", e ensinar gosto ao agente levou quatro meses, em grande parte por meio de erros expostos a toda a empresa.

Como ensinar gosto a um agente

O modelo já escrevia bem HTML, CSS, descrições de gráficos e animações. Mas, sem contexto, ele escolhia as soluções mais comuns. O resultado ficava bem acabado, porém parecido com centenas de outros trabalhos. Os autores citam o termo "distributional convergence", da Anthropic, e a ideia de "interface-zumbi", do diretor de design da Stripe: a forma é copiada, mas o pensamento e o caráter se perdem.

O artigo traz um exemplo. Um agente de programação local recebeu um manual de marca com cores, fontes e logotipos, mas errou a versão do logotipo, o alinhamento do texto e quais cores são primárias e quais são secundárias. O mesmo pedido no Content Studio gerou uma imagem sem erros. Quando o briefing não especifica algo, um agente comum usa o que viu com mais frequência; o Content Studio usa as decisões da própria empresa.

As regras incluem o básico: cores, espessura das fontes, espaçamentos e alinhamento. Depois, vieram princípios como "um único foco por quadro", proteção contra os clichês típicos do design feito por IA e a explicação do motivo de cada correção do designer. O que é mensurável é verificado automaticamente: por exemplo, um script agora detecta o uso incorreto de maiúsculas por padrão. Itens subjetivos, como a força de uma ideia ou a clareza da mensagem, são avaliados pelos designers, e o raciocínio deles é registrado em habilidades.

Um caso ilustrativo é o do pássaro na animação. Pediram "nada de bordas pontiagudas", e o agente entregou bordas ásperas. Um designer saberia que a cauda de luz deve suavizar e se dissolver no sentido oposto ao movimento. Mais tarde, o próprio agente verificou esse detalhe: fez um esboço e escreveu uma checagem quadro a quadro para confirmar que a raiz da fita permanece na cauda do pássaro até ele sair do quadro.

O computador do designer e a remoção de regras desnecessárias

O designer trabalha em várias ferramentas ao mesmo tempo: gráficos, motor de vídeo, quadro colaborativo, além do manual de marca e dos documentos da empresa. O agente precisa do mesmo conjunto. Cada thread no Slack recebe uma máquina Linux isolada, com sistema de arquivos e shell, e o projeto permanece nela durante toda a conversa. Entre uma mensagem e outra, o agente pode retomar o trabalho, usar o motor de vídeo, as ferramentas gráficas e o quadro colaborativo, e depois analisar os próprios renders.

Para tarefas grandes, funcionam subagentes assíncronos, que às vezes levam horas. Por isso, a thread mostra o plano, o andamento do trabalho e um pedido de confirmação antes da publicação, e qualquer colega pode intervir e corrigir o rumo durante a execução.

A principal lição diz respeito à obsolescência das regras. No início, a equipe tentou fazer o design no lugar do modelo: montou um sistema com 115 componentes prontos para títulos, layouts e animações. Isso mantinha a marca, mas o agente repetia os mesmos layouts. Depois veio o Opus 5.5, e a qualidade subiu de forma notável. A maior parte das regras rígidas foi removida, ficaram os princípios e as orientações gerais, e a variedade aumentou. Regras que compensam uma fraqueza do modelo perdem o sentido com o tempo. O que permanece são as ferramentas, o contexto e a forma como as pessoas orientam o trabalho.

Há ressalvas: trata-se da experiência de uma equipe com a própria marca, e os números são divulgados pela própria empresa. Ainda assim, a abordagem pode ser transposta para outros produtos. Dê ao agente um ambiente de trabalho, registre os princípios e os motivos das correções, automatize o que pode ser medido e, a cada modelo novo, verifique quais regras ainda são necessárias. O repositório público recebe as cores da marca, as fontes e as habilidades, e o agente pode ser implantado no Slack por meio do Managed Deep Agents.

História

Perguntas frequentes sobre a notícia

O que foi feito em quatro meses?

Entre os 3 mil materiais, há mais de 80 apresentações. Uma delas entrou no vídeo orgânico mais assistido da empresa no YouTube. As publicações sobre o trabalho do agente no X somaram cerca de 4,5 milhões de visualizações, e os posts da conta da LangChain com gráficos feitos por ele recebem aproximadamente o dobro de curtidas e 3,7 vezes mais salvamentos que os demais. Três em cada quatro pedidos agora vêm de fora do marketing: product managers, engenheiros e fundadores recorrem ao agente.

Como ensinar gosto a um agente?

O modelo já escrevia bem HTML, CSS, descrições de gráficos e animações. Mas, sem contexto, ele escolhia as soluções mais comuns. O resultado ficava bem acabado, porém parecido com centenas de outros trabalhos. Os autores citam o termo "distributional convergence", da Anthropic, e a ideia de "interface-zumbi", do diretor de design da Stripe: a forma é copiada, mas o pensamento e o caráter se perdem. O artigo traz um exemplo.

O que se sabe sobre O computador do designer e a remoção de regras desnecessárias?

O designer trabalha em várias ferramentas ao mesmo tempo: gráficos, motor de vídeo, quadro colaborativo, além do manual de marca e dos documentos da empresa. O agente precisa do mesmo conjunto. Cada thread no Slack recebe uma máquina Linux isolada, com sistema de arquivos e shell, e o projeto permanece nela durante toda a conversa. Entre uma mensagem e outra, o agente pode retomar o trabalho, usar o motor de vídeo, as ferramentas gráficas e o quadro colaborativo, e depois analisar os próprios renders.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…