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
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:
- 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.
- 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.
- 21 de nov. de 2026Автор сделал сюжетный видеоролик на домашней LTX 2.3 (22 млрд параметров) без подписок
- 21 de nov. de 2026Музыкант сделал клип в Suno, ChatGPT и Kling за 2000 кредитов и неделю лимита Plus
- 21 de nov. de 2026OpenAI fechou a equipe de robótica: GPT-6 Astra resolveu 74,8% das tarefas em simulação contra 51%
- 21 de nov. de 2026OpenAI придержала GPT‑6.1 Astra и добавила стоп-кнопку: модель замолкает за 35 секунд
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.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.