Claude Code ajudou a criar um sistema de CRM funcional de 46 mil linhas — e já há um guia

No Habr AI foi publicado um estudo de caso detalhado sobre como um time de duas pessoas construiu um sistema CRM comercial quase inteiramente usando Claude Code. Em cerca de um mês e meio, produziram 46 mil linhas de código, um produto funcional e um conjunto de regras sem as quais esse modo rapidamente se transforma em caos.

O Que Eles Construíram

Os autores descrevem não um protótipo educacional, mas um sistema CRM funcional para processar requisições de entrada e gerenciar deals. O sistema pode responder automaticamente a emails, criar tarefas e mover clientes pelo funil. O projeto foi desenvolvido por duas pessoas: uma combinava os papéis de gerente e analista, coletando tarefas de videochamadas via ReadAI e organizando-as em Jira através de MCP; a outra gerenciava o próprio processo de desenvolvimento, implementação e testes.

Escolheram NestJS, NextJS, ShadCN UI e PostgreSQL como stack. A conclusão-chave desse experimento é simples: o impressionante não é o número de 46 mil linhas em si, mas que o cliente já está usando o produto. Essa é uma diferença importante diante do ceticismo usual em relação a vibe coding, frequentemente associado a demos de fim de semana ou produção acelerada de débito técnico.

Nesse caso, os autores demonstram o cenário oposto: se você limita claramente tarefas, papéis e regras de trabalho antecipadamente, IA pode ser não um brinquedo, mas uma ferramenta bastante prática para desenvolvimento comercial.

Como Organizaram o Processo

O principal artefato do time foi um arquivo claude.md curto—não um depósito de conhecimento, mas um ponto de entrada com descrição do projeto, stack, links para documentação e regras básicas. Tudo o mais foi movido para arquivos md-separados por módulos: deals, processamento de emails, API e outras partes do sistema. Para backend, banco de dados e outras áreas, criaram seus próprios "agentes" na forma de instruções com padrões, restrições e erros típicos. A ideia é que Claude leia apenas o contexto necessário naquele momento, em vez de gastar tokens em todo o projeto de uma vez.

• Arquivo claude.md curto com as informações mais importantes
• Arquivos md-separados para módulos grandes
• Instruções especializadas para backend e banco de dados
• Um contexto para uma tarefa
• Revisão obrigatória após geração

A segunda regra é não misturar tarefas em uma mesma janela. Os autores recomendam seguir o esquema "um contexto = uma tarefa", fazer clear após conclusão e usar resume para retornar. A razão é que quando o contexto transborda, Claude comprime o histórico e perde detalhes no pior momento. Para grandes pedaços de trabalho, ativavam plan mode para quebrar a implementação em subtarefas independentes. Conforme sua estimativa, até uma assinatura básica de $20 é suficiente para 3–5 horas de trabalho ativo se a documentação e estrutura do projeto já estiverem preparadas.

Onde Surgem Problemas

O artigo discute separadamente falhas típicas. Claude pode confundir métodos de bibliotecas, esquecer o que já foi discutido, produzir código duplicado ou sugerir soluções arquiteturais que não se encaixam bem com o resto do sistema. Uma fonte separada de erros são APIs externas.

Se você puxar documentação da internet em tempo real cada vez, o modelo gasta mais tokens e frequentemente comete erros em parâmetros ou cenários de uso. Por isso, para cada integração, o time primeiro pediu à IA para montar um arquivo md-separado baseado na documentação oficial, e só depois passou para código. Os autores também recomendam não pular discovery, não confiar sem verificação um documento de requisitos que o cliente gerou via IA, e não esperar um resultado perfeito na primeira tentativa.

Para tarefas arquiteturais complexas, usavam Sequential Thinking para fazer o modelo primeiro passar por uma cadeia de raciocínio antes de imediatamente escrever código. Para navegação em uma grande base de código, Serena se mostrou útil, economizando contexto na busca de arquivos.

"O principal é entender o que você quer obter como saída e não gerar caos."

O Que Isso Significa

O caso do Habr AI mostra bem que o principal déficit em vibe coding não é geração de código, mas gerenciabilidade do processo. Claude Code acelera o desenvolvimento, mas apenas se o time tiver disciplina em documentação, divisão de tarefas, revisão e gerenciamento de contexto. Para estúdios e times de produto, essa é essencialmente uma nova habilidade operacional: não é suficiente saber escrever prompts, você precisa ser capaz de projetar um ambiente onde IA não se espalha pelo projeto, mas o move para frente.