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)
IndústriaAnálise · No radarHabr AI→ original

Designers conectaram o Claude Code e o ChatGPT e reduziram a etapa de desenvolvimento em 60%

Um pedido do tipo "faça bonito", sem base, gera um resultado sem graça, por isso o departamento de design deu à rede neural um enquadramento: protótipos, layouts no Figma e logotipo. Onde os protótipos já haviam sido montados pelo Claude, o design foi aplicado sobre eles em uma única passagem, e a etapa de desenvolvimento caiu cerca de 60%. Os 40% restantes, como um botão deslocado, são mais simples de ajustar à mão. A conclusão: primeiro informe à rede neural a stack e as restrições, e só depois peça a parte criativa sobre uma base pronta.

Processado por IA de Habr AI; editado por Hamidun News
Designers conectaram o Claude Code e o ChatGPT e reduziram a etapa de desenvolvimento em 60%
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1A rede neural trocou as imagens do dashboard por SVG, e foi preciso corrigir manualmente
Dado-chave #2O mais difícil de codificar são as tabelas com filtros, modais e papéis, e não o dashboard
Dado-chave #3A landing page, com layouts de 1920 e 360 pixels, foi estruturada pelo Claude Code em minutos

Quase todo designer já pediu a uma rede neural para "fazer bonito" e recebeu um resultado sem graça e genérico. Na terceira parte de uma série no Habr, uma designer de uma equipe de produto mostra como organizar esse trabalho de outra forma. O principal número: em um projeto em que os protótipos do serviço já estavam montados no Claude, a etapa de desenvolvimento caiu cerca de 60%.

Por "desenvolvimento", aqui se entende a transformação dos layouts em markup funcional e a conexão com o backend. Os outros 40% a equipe fez manualmente: mover um botão com a rede neural custa quase o mesmo em tokens que em tempo. O Claude Code é uma ferramenta da Anthropic para trabalhar com código, e o MCP é o meio pelo qual a rede neural acessa serviços externos, como o Figma.

Trata-se de experiência pessoal em três projetos, e não de uma comparação de laboratório, mas o texto traz muitos detalhes práticos.

Variante 1: os protótipos já existem

O primeiro projeto é um serviço inteiro descrito em protótipos dentro do Claude. Eles são cinzentos e impessoais, mas contêm toda a lógica. Havia apenas dois layouts de design no Figma. O serviço tem duas frentes: a área pessoal para usuários e a parte pública para clientes.

Com a área pessoal, tudo correu bem. A rede neural recebeu o UI kit, as cores, as fontes, as medidas e alguns padrões de comportamento, e aplicou tudo ao sistema já pronto. Com a parte pública foi mais difícil: os protótipos dela foram desenhados à mão no Figma. Por isso, primeiro os levaram para a rede neural: ela recebe acesso via MCP ou API e o link do frame. Segundo a autora, hoje isso funciona bem melhor do que há três meses, mesmo com um PNG comum.

A ordem das ações é importante. Primeiro se definem as restrições: layout de 1920 pixels, medidas, espaçamentos, fontes e grid são tirados do Figma. Depois se verifica se os protótipos coincidem com os layouts. Só então se acrescenta a direção visual: "aqui estão dois layouts, aplique este design aos demais protótipos e use o UI kit". A stack (Vue, bibliotecas, fontes, ícones) foi definida antes.

Houve também tropeços. A rede neural substituiu parte das imagens do dashboard por arquivos SVG, embora a equipe precisasse de um sistema vivo, com padrões de markup. A desenvolvedora explicou que a complexidade para o designer e a complexidade para o markup são coisas diferentes. Um dashboard vistoso é simples de codificar. Já uma tabela discreta, com filtros, carregamento de dados, modais, estados e papéis, exige bem mais trabalho. Por isso, a ordem das páginas é melhor combinar com o desenvolvimento desde o início. Tudo o que ficava pronto era enviado imediatamente ao GitHub, e os desenvolvedores revisavam o código.

Variante 2: há apenas um conceito

No segundo projeto não havia protótipos nem análise. A autora começou com o Claude Design: ele faz as páginas, mas o resultado parecia um protótipo, e não um design final. As ideias para a área pessoal, o carrinho, a composição e a adaptação para celular foram aproveitadas, mas como material criativo não serviram. Desistiram dele, pois ele multiplicava entidades isoladas dentro do serviço.

O Claude Code se mostrou mais sistemático. Nele existem páginas separadas, um sistema próprio, um readme e um arquivo md com o histórico de alterações. Esse é o contexto em que o modelo se apoia como base de conhecimento do projeto. O próprio Claude Code não gera imagens, por isso, para os criativos, conectam-se via API outros modelos: GPT, Kling para vídeo, Nano Banana. O Codex, da OpenAI, funciona de forma semelhante, só que dentro do ecossistema GPT.

O conselho sobre tokens é este: para a rotina, basta um modelo robusto no nível do Sonnet ou do Opus. O modelo de topo entra pontualmente, em criativos complexos, caso contrário ele consome os limites em duas ou três sessões. Segundo a observação da autora, apresentações saem piores do que landing pages.

Variante 3: do zero, do logotipo à interface

O terceiro caso é um produto interno: uma ideia, funcionalidades e um protótipo não funcional com lógica torta. O pedido "faça bonito", sem base, mais uma vez gerou um resultado sem graça. Funcionou a cadeia que começou pelo logotipo:

  1. No ChatGPT, a autora descreveu a ideologia do produto, recebeu seis variantes de logotipo e escolheu uma.
  2. Com base nela, o modelo montou a identidade visual. O contexto no chat foi mantido.
  3. Em seguida, a partir da identidade, fizeram a landing page e, a partir da identidade e da landing, a interface da página principal. O visual necessário surgiu na segunda iteração.

Segundo a experiência da autora, o GPT é bom para visuais de interface, mas tende a sobrecarregar a imagem com detalhes, por isso ele recebe diretamente a instrução "tire o excesso". Os ajustes podem ser feitos pontualmente, deixando comentários sobre a imagem. O plano Go básico não foi suficiente, e foi preciso assinar o Plus.

Tudo foi montado no Claude Code, com uma sessão separada para a landing e outra para o serviço. Os layouts de 1920 e 360 pixels (largura da tela de computador e de celular) ele estruturou em poucos minutos, e algumas animações foram adicionadas em cerca de quinze minutos. Para a animação, a autora encontrava uma referência no Pinterest, pedia que o vídeo fosse decomposto em quadros, gerava imagens semelhantes pela API e montava o clipe.

O que se conclui disso

A autora paga por duas redes neurais: uma faz o criativo, outra faz o markup. Assim, os tokens não se esgotam em um único modelo, e o trabalho avança em paralelo. As limitações são honestas: trata-se da experiência de uma pessoa e de uma equipe, sem medições precisas, além da estimativa de 60%. Parte do trabalho continua sendo dos desenvolvedores. As regras práticas são simples. Primeiro defina o enquadramento e a stack, depois o visual. Guarde o contexto do projeto em arquivos. Envolva o desenvolvimento desde o início. E não peça à rede neural "bonito" sem uma marca por trás.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Variante 1: os protótipos já existem?

O primeiro projeto é um serviço inteiro descrito em protótipos dentro do Claude. Eles são cinzentos e impessoais, mas contêm toda a lógica. Havia apenas dois layouts de design no Figma. O serviço tem duas frentes: a área pessoal para usuários e a parte pública para clientes. Com a área pessoal, tudo correu bem. A rede neural recebeu o UI kit, as cores, as fontes, as medidas e alguns padrões de comportamento, e aplicou tudo ao sistema já pronto.

O que se sabe sobre Variante 2: há apenas um conceito?

No segundo projeto não havia protótipos nem análise. A autora começou com o Claude Design: ele faz as páginas, mas o resultado parecia um protótipo, e não um design final. As ideias para a área pessoal, o carrinho, a composição e a adaptação para celular foram aproveitadas, mas como material criativo não serviram. Desistiram dele, pois ele multiplicava entidades isoladas dentro do serviço. O Claude Code se mostrou mais sistemático.

O que se sabe sobre Variante 3: do zero, do logotipo à interface?

O terceiro caso é um produto interno: uma ideia, funcionalidades e um protótipo não funcional com lógica torta. O pedido "faça bonito", sem base, mais uma vez gerou um resultado sem graça. Funcionou a cadeia que começou pelo logotipo: No ChatGPT, a autora descreveu a ideologia do produto, recebeu seis variantes de logotipo e escolheu uma. Com base nela, o modelo montou a identidade visual. O contexto no chat foi mantido.

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.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…