Gauntlet Loop: como usar múltiplos agentes para melhorar o design no Claude Code

Uma primeira versão de design feita com um prompt simples geralmente sai na média. Não está quebrada, mas tem cor que não bate com a identidade, fonte fora do lugar, um detalhe que o cliente vai notar e pedir pra trocar. Normalmente a solução é iterar na mão, olhar, pedir correção, olhar de novo, e isso consome tempo. A técnica que vou apresentar tenta automatizar parte desse processo, usando vários agentes que se revisam entre si. Ela ficou conhecida como Gauntlet Loop, popularizada pelo Mat Schumer, e a ideia central é sair de uma nota 6 pra uma nota 8 sem tanto retrabalho manual.

O que é o loop de design

O loop tem quatro agentes. O primeiro é o construtor, que cria a versão inicial do design. Os outros três são críticos, e cada um avalia um tipo diferente de erro:

• Crítico do briefing: verifica se o que foi construído é exatamente o que o usuário pediu. Ele procura alucinação, funcionalidade inventada, seção que ninguém mencionou ou algo que foi esquecido.
• Crítico do sistema: verifica se o resultado respeita as regras do projeto, como cores, fontes, identidade visual e padrões de componentes.
• Crítico visual: compara o resultado com a referência escolhida e aponta diferenças de composição, espaçamento, hierarquia e acabamento.

Depois que os três críticos avaliam, as correções voltam pro construtor, que refaz o trabalho. O ciclo se repete até todos os críticos aprovarem ou até atingir o número máximo de rodadas. A lógica é separar as responsabilidades. Um agente que avalia só um tipo de erro tende a ser mais rigoroso naquele ponto do que um único revisor tentando checar tudo ao mesmo tempo.

Vale uma ressalva importante. Essa técnica tem pouca aplicação prática pra jogos, que é o que os vídeos virais costumam mostrar. Onde ela faz mais sentido é em sites, carrosséis de Instagram e apresentações animadas em HTML, justamente onde a parte visual precisa estar certa.

Passo 1: escolher a referência

Antes de qualquer prompt de construção, o loop precisa de uma referência de design. Ela pode vir de dois lugares.

O primeiro é um design system próprio, criado dentro do Claude Design. A ferramenta aceita arrastar apresentações ou carrosséis que você já fez, e a partir disso extrai um sistema visual com cores, fontes e padrões que você pode reutilizar em outros projetos.

O segundo é uma referência externa. Pode ser um carrossel encontrado no Instagram, um pin do Pinterest, um perfil de designer que você admira ou um site de marca que tenha a direção visual que você quer seguir. No caso de sites, o site da Apple é um exemplo clássico de referência de layout e tipografia.

Passo 2: criar a skill do loop de design

Com a referência em mãos, o próximo passo é criar uma skill que monte o loop. A que eu usei nesse processo faz quatro coisas, nessa ordem:

1. Entrevista: faz perguntas sobre o que construir e como construir, pra fechar o briefing antes de qualquer código ser escrito.
2. Pré-verificação: confirma se todos os arquivos e referências necessários estão disponíveis. Se faltar um logo ou um link de referência, ela avisa antes de começar.
3. Desmontagem da referência: analisa a referência e extrai tipografia, paleta de cores e padrões de design, pra que os críticos tenham um critério concreto de comparação.
4. Montagem do loop: cria os agentes construtor e críticos com base no que foi levantado nas etapas anteriores e define o número máximo de rodadas.

Passo 3: configurar os modelos

Na hora de montar o loop, a skill oferece três configurações de modelo, dependendo do que você quer priorizar.

Qualidade máxima: construtor em Opus, crítico do briefing em Opus, crítico do sistema em Sonnet e crítico visual em Opus. É a opção mais cara e a que entrega o resultado mais refinado.

Custo-benefício, que é a que eu recomendo na maioria dos casos: construtor em Sonnet, crítico do briefing em Sonnet, crítico do sistema em Haiku e crítico visual em Opus. O crítico visual fica no modelo mais forte porque é onde a percepção estética mais pesa, e os outros críticos checam regras mais objetivas, que modelos menores dão conta.

Rápido e econômico: pensada pra testes e rascunhos, quando você quer ver a direção antes de investir em refinamento.

Também existe a opção personalizada, pra quem quer combinar os modelos de outro jeito.

Passo 4: definir um limite de rodadas

Esse ponto parece detalhe, mas é o que mais controla o custo. Sem um limite, o loop pode continuar rodando indefinidamente, porque sempre existe algo pra criticar. Eu recomendo começar com 5 rodadas. Se o resultado ainda não estiver bom, você roda de novo com 7 ou 10, mas quase sempre o ganho entre as últimas rodadas é pequeno comparado ao custo.

Exemplo 1: carrossel para Instagram

O primeiro teste foi um carrossel sobre ferramentas de IA. Encontrei um carrossel de referência no Instagram, usando busca por carrossel, Pinterest e perfis de designers, e passei o link pro Claude. Também pedi pra ele analisar um canal do YouTube pra extrair as ferramentas que já tinham sido apresentadas ali, pra o conteúdo não ficar repetitivo.

Configurei o modo custo-benefício com 5 rodadas. Com um único prompt, o resultado foi um carrossel sobre n8n, Claude Code no terminal, Antigravity, Codex e Hermes. Achei o resultado razoável, uma nota 8. O único ponto que não gostei foi a foto na capa, que pedi pra trocar logo em seguida. Esse tipo de ajuste pontual ainda exige olhar humano, o loop reduz o retrabalho, mas não substitui a revisão final.

Exemplo 2: apresentação animada em HTML

No segundo teste, criei uma apresentação animada de cerca de 10 segundos explicando o próprio Gauntlet Loop, usando um design system que eu já tinha criado. Mais uma vez, modo custo-benefício com 5 rodadas máximas.

O resultado foi um HTML animado que dá pra usar como teaser de vídeo ou numa reunião. Nesse caso não teria nada pra corrigir, o que mostra que a técnica funciona bem quando a referência e o sistema visual estão bem definidos.

Exemplo 3: site de uma marca fictícia

O terceiro teste foi mais ambicioso. Criei o site de uma marca fictícia de roupas tecnológicas, chamada Spider, inspirada no layout do site da Apple. O produto eram camisetas e bermudas com tecido que resfria, não desbota, não amassa e não precisa passar.

Passei o link da referência e um prompt descrevendo o produto. As imagens foram geradas com um modelo de imagem da OpenAI. Como o Claude não gera imagens, o agente acessou o Codex pra baixar as imagens geradas e usá-las no site. Nesse caso usei os modelos mais performáticos e permiti até 12 rodadas.

O resultado foi um site com logo, tipografia e cores bem parecidos com o da Apple, e com dados do produto apresentados de forma clara, como sensação térmica, lavagens sem alteração de cor, zero minutos de passar e elasticidade do tecido. Gostei do resultado.

Quanto custa de verdade

Os números são o ponto mais importante desse processo, porque a técnica custa caro em tokens.

• Carrossel: cerca de 293.000 tokens com 5 rodadas de loop.
• Vídeo HTML: cerca de 377.000 tokens com 4 rodadas. Se fosse pago por API, o custo proporcional seria de 3,19 dólares. Uso a assinatura do Claude, então não foi isso que paguei de fato, mas é uma boa forma de dimensionar o gasto.
• Site da marca Spider: custo total proporcional de 7,54 dólares, também pela API, com 3 rodadas. Mesmo com menos rodadas, consumiu mais tokens que o carrossel, porque usei modelos mais performáticos e o site tem muito mais material pra analisar.

Ou seja, o loop não é barato. Se você rodar isso pra cada post de Instagram, a conta sobe rápido. Por isso ele não deve ser usado pra qualquer coisa.

Veredito

A técnica entrega ganho de qualidade real. A diferença entre uma primeira versão de prompt simples e o resultado depois do loop é visível, principalmente em consistência visual e em aderência ao briefing. Mas ela custa tokens, e não faz sentido pra tarefas simples ou pra experimentos rápidos, onde uma iteração manual resolve mais rápido e sai mais barato.

Eu guardo essa técnica pra entregas para clientes em que o design não pode falhar e o resultado precisa ficar bom com pouca iteração manual. Pra esse caso, o custo extra compensa, porque o tempo economizado em revisão e retrabalho pesa mais do que a diferença na conta de tokens.