← Programa de la inmersiónInmersión Del chat al agente

Inmersión Del chat al agente · Día 3 · domingo 13 de diciembre

Atención al cliente, otras soluciones y harness. Personas en el momento justo y un harness medido.

Te llevas una atención que responde sola y contacta a la gente en el momento oportuno, además de un agente más seguro, más barato y que aprende de sus propios errores.

Empezar por la mañana ↓Programa completo →Asegurar mi lugar →

2 turnos, 10 bloques, cada uno con un ejercicio y un «listo cuando».

Cursos, proyectos y vídeos: están todos en el área Del chat al agente →

01 · Mañana

Atención y otras soluciones

Base: el área Atención con Agentes y el atende-leads, más dos kits elegidos para quienes ya tienen terminal, Jarvis y cola. El día empieza revisando lo que hizo la cola durante la noche.

Grupo siguiendo la explicación en la pantalla grande, en una inmersión anterior.
Grupo siguiendo la explicación en la pantalla grande, en una inmersión anterior.
Área · eventos

Atención con Agentes

El método: un proceso, una métrica con responsable y dónde interviene la persona.

Abrir →Proyecto · abierto

atende-leads

Paneles web, base del negocio, importación del sitio y la solicitud de atención en vivo.

Abrir →Kit · seguridad

Agente Blindado

Cinco bloqueos contra la inyección de prompts, probados con diez ataques.

Abrir →Estación A

site-que-vende

Los 5 patrones del sitio que atrae clientes, medidos antes y después.

Abrir →Estación B

Prospección por señales

Lista de empresas con un motivo, sin gastar créditos sin pedirlo.

Abrir →

Los bloques de la mañana, en orden

Bloque 1 · Mañana

La mañana siguiente: revisar el lote de la noche

Por qué importa: La mañana es lo que convierte una noche con tareas en cola en un proceso: el agente hace el trabajo y tú mejoras las reglas.

  1. Leer el informe en el chat: /jobs y /completos muestran lo que terminó; /status, lo que todavía requiere algo.
  2. Comparar cada resultado con la columna «resultado verificable» y marcar: correcto a la primera, correcto con ajustes, incorrecto o fallido.
  3. Tratar cada fallo según el motivo: si hubo un reinicio (código 143), se retoma con /refazer; los errores de entrada se corrigen; si el agente entendió mal, se convierte en una regla.
  4. Escribir una regla de una línea, concreta y comprobable, en el AGENTS.md o en el prompt de la skill.

Ejercicio: Revisa tu lote y escribe la nueva regla.

Listo cuando: cada tarea tiene una línea en el conferencia.md, anotaste cuántas salieron bien a la primera y la regla está escrita para la próxima ronda.

Colas, clase 7 · El día siguiente →
Bloque 2 · Mañana

Dónde interviene una persona en la atención

Por qué importa: Un bot de WhatsApp sin método inventa precios cuando no los sabe y envía campañas sin consentimiento. La decisión estratégica es definir qué hace el robot y qué hace una persona antes de instalar cualquier cosa.

  1. Elegir un solo proceso: confirmar una cita, responder preguntas frecuentes, calificar un lead o gestionar una reserva.
  2. Definir una métrica con una persona responsable antes de construir.
  3. Los 3 momentos en que interviene una persona: el cliente lo pide, el agente detecta que hace falta o ve una oportunidad de venta.
  4. Lo que el robot nunca hace: inventar precios o plazos, diagnosticar, prescribir ni lanzar campañas sin consentimiento.

Ejercicio: Escribe la hoja de una página de tu atención al cliente.

Listo cuando: la hoja incluye el proceso, la métrica con número y responsable, los 3 motivos para derivar a una persona y 3 cosas que el robot nunca hace.

Área Atención al cliente con agentes →
Bloque 3 · Mañana

O atende-leads en tu portátil, con la base de datos de tu negocio

Por qué importa: El agente solo dice el precio que está registrado. Lo que controla lo que dice el robot es la base de datos que completas, no el modelo. Y el sitio web que ya tienes se convierte en la primera versión de la base de datos.

  1. git clone de atende-leads y ./atende serve --porta 8080 --dados dados: chat del lead, /equipe y /gestor, sin WhatsApp ni Telegram.
  2. Registrar al equipo, los productos con sus precios, los horarios y las preguntas frecuentes.
  3. Importar tu sitio web (o un PDF): las propuestas llegan con la fuente y el fragmento, y solo se incorporan después de que las revises.
  4. Hacer preguntas en el cuadro Probar y en Preguntar a la base de datos, y pedir un agente de atención por el chat para ver cómo llega la solicitud al /gestor en vivo.
  5. WhatsApp y equipo en Telegram como demostración, siempre con un bot nuevo, sin reutilizar el de Jarvis.

Ejercicio: Prueba 5 preguntas reales: un precio registrado, un horario, una pregunta frecuente, un producto que no registraste y una queja.

Listo cuando: el precio es el registrado, la pregunta sin respuesta no recibe una respuesta inventada y la solicitud de atención por una persona aparece en el /gestor en vivo.

Guía de atiende-leads →
Bloque 4 · Mañana

Agente Blindado: barreras que resisten incluso si el modelo falla

Por qué importa: Si tu Jarvis lee correos electrónicos, páginas o mensajes externos, está expuesto. Un prompt no es un candado: las barreras fuera del prompt resisten incluso cuando engañan al modelo.

  1. Antes de hacer cambios, la puntuación de 0 a 10 de tu harness: python3 caixa-do-agente/auditar.py <pasta> (solo lectura).
  2. git clone de agente-blindado y ./instalar.sh <pasta-do-projeto> escritor. Un agente que funciona solo usa --negar.
  3. Envolver el material externo con el envelope.py antes de dárselo al agente.
  4. Ver el peor caso sin IA (teste/pior_caso.py) y ejecutar las pruebas.

Ejercicio: Instálalo en tu proyecto y pídele al agente que borre un borrador con rm.

Listo cuando: las pruebas pasan, Claude Code te pide que confirmes con el mensaje de la barrera 4 y el registro de la barrera incluye la línea con el motivo.

Guía del Agente Blindado →
Bloque 5 · Mañana

Elige una estación: un sitio web que vende o prospección basada en señales

Por qué importa: La atención empieza antes de la conversación: en el sitio web que atrae al cliente o buscando a la empresa que acaba de dar una señal de que te necesita.

  1. Estación A, site-que-vende: mide los 5 patrones de tu sitio web, pega el consertar.md en el agente y vuelve a medir (como máximo 3 rondas).
  2. Estación B, prospección basada en señales: el kit en Claude Code, sinais.yaml de tu cliente ideal y una lista de 10 empresas primero. El agente nunca gasta créditos sin pedir permiso y nunca envía nada.
  3. La estación B requiere una cuenta de Clay y completar el contexto de tu negocio antes del evento.

Ejercicio: Haz una de las dos estaciones con tu negocio.

Listo cuando: A: la segunda medición cumple más patrones que la primera. B: hay una lista de 10 empresas y el agente pidió autorización antes de gastar créditos.

Guías sitio-que-vende y prospección por señales →

02 · Tarde

Optimización del harness y tu plan de 30 días

El harness es todo lo que rodea al agente: CLAUDE.md y AGENTS.md, skills, ganchos, memoria, esfuerzo, modelo y ejecución prolongada. El modelo es el mismo para todos. Lo que cambia el resultado es el harness.

Nei Maldaner explicando al grupo, en una inmersión anterior en el Refúgio INEMA.
Nei Maldaner explicando al grupo, en una inmersión anterior en el Refúgio INEMA.
Kit · harness

caixa-do-agente

La calificación de 0 a 10 de tu harness en 6 capas, solo leyendo.

Abrir →Kit · harness

audite-seu-claude

La herencia invisible en CLAUDE.md, con correcciones que tú apruebas.

Abrir →Kit · harness

esforco-certo

El esfuerzo y el modelo adecuados, con la política lista y tres agentes.

Abrir →Kit · harness

agente-que-aprende

La lección que se convierte en gancho y el jardinero que mide la reincidencia.

Abrir →Área · eventos

Ejecución Larga

goal.md nivel 3, estado en archivos y el plan de 30 días.

Abrir →

Los bloques de la tarde, en orden

Bloque 6 · Tarde

Radiografía del harness, solo lectura

Por qué importa: Primero mide y después haz cambios. Fable 5.2 sigue las instrucciones al pie de la letra: una línea antigua como "siempre usa subagentes" cambia su efecto y puede multiplicar el costo.

  1. Vuelve a puntuar de 0 a 10 las 6 capas: entorno, aprobación, barreras fuera del prompt, verificación, contexto y memoria, secretos fuera de alcance.
  2. La herencia invisible: varrer.py de audite-seu-claude encuentra las líneas escritas para modelos antiguos.
  3. Marca en el informe lo que apruebas, genera el correcoes.md y pídele al agente que aplique solo eso.

Ejercicio: Aplica al menos 3 correcciones y vuelve a revisar.

Listo cuando: tienes anotadas las puntuaciones de antes y después, el correcoes.md generado y la segunda revisión muestra menos alertas.

Guías audita-tu-claude y caja-del-agente →
Bloque 7 · Tarde

El esfuerzo y el modelo adecuados

Por qué importa: El esfuerzo máximo no es la opción predeterminada: con la suscripción, usar un esfuerzo alto sin motivo es gastar el límite en vano. La propia Anthropic recomienda empezar con Opus y pasar a Fable solo para el trabajo más difícil.

  1. python3 auditar.py ~/meu-projeto --home de esforco-certo: qué modelo y nivel de esfuerzo usa cada quien, con las alertas MAX, PADRAO_ALTO y FABLE_PADRAO.
  2. Decidir la configuración predeterminada y ajustarla model y effortLevel.
  3. Pega la política de esfuerzo en el CLAUDE.md y los 3 agentes: para el día a día, el trabajo prolongado y las tareas mecánicas.
  4. Demostración del instructor: el mismo trabajo con 3 combinaciones, con el tiempo, los tokens y el modelo que se ejecutó realmente.

Ejercicio: Corrige lo que salió MAX o PADRAO_ALTO sin motivo y pega la política.

Listo cuando: la segunda auditoría no muestra MAX sin justificación y el CLAUDE.md tiene la política en un commit.

Guía esfuerzo-adecuado →
Bloque 8 · Tarde

La lección que se convierte en bloqueo y la skill que no olvida

Por qué importa: El agente se equivoca, tú lo corriges en el chat y en la siguiente sesión vuelve a equivocarse. Una regla escrita puede pasarse por alto; un gancho siempre se sigue. Cada error corregido una vez no vuelve a ocurrir.

  1. Registrar los fallos en una línea: fecha, qué se rompió, corrección mínima, prompt o infraestructura.
  2. La escalera: arquitectura > gancho > prueba > texto. El retro.py lee una sesión tuya del día 2 y muestra dónde corregiste al agente.
  3. Una lección se convierte en una línea de JSON (patrón → mensaje), conectada como gancho en Claude Code.
  4. Auditar las 5 skills que más usas con el validador del área Skills; nunca todas de una vez.

Ejercicio: Toma un error real que corregiste el día 1 o el día 2 y conviértelo en un gancho.

Listo cuando: el comando incorrecto se bloquea con tu mensaje, el correcto pasa y la nota «después» del harness queda junto a la nota «antes».

Guía agente-que-aprende →
Bloque 9 · Tarde

Ejecución larga sin perder el rumbo

Por qué importa: Un agente trabajando durante horas solo funciona con una prueba de finalización que no pueda fingir y con el estado guardado en archivos, no en la conversación.

  1. novo-longrun.sh crea la carpeta de la ejecución: goal, plan, estado, progreso, fallos, decisiones y canal.
  2. El goal.md con criterios de comando → saída esperada que cubra función, regresión y límite. Nivel 3: no se puede cumplir tomando atajos.
  3. Iniciar con /goal. Cuando la sesión se llene, /session-handoff, sesión nueva y /prime.

Ejercicio: Escribe el goal.md de una tarea real de tu lista.

Listo cuando: el goal.md tiene al menos 3 criterios (función, regresión y límite) y cada comando se ejecuta en tu terminal.

Guía ejecucion-longa →
Bloque 10 · Tarde

Cierre: tu plan de 30 días

Por qué importa: La inmersión termina, pero el harness sigue mejorando si hay un plan medible. El mismo método que permite que el agente trabaje durante horas sin perderse te ayuda a seguir adelante durante 30 días sin perder el rumbo.

  1. Una carpeta de ejecución para el plan, con 3 a 5 entregas basadas en lo que hiciste durante los 3 días.
  2. Cada entrega con un criterio comando → saída esperada y el portón humano señalado (pagar, enviar, publicar, conectar el WhatsApp de verdad).
  3. Ronda final: cada persona lee en voz alta su primera entrega y el criterio correspondiente.

Ejercicio: Escribe tu plan medible.

Listo cuando: el goal.md del plan tiene de 3 a 5 entregas, cada una con un comando, el resultado esperado y un portón humano, en un commit de tu repositorio.

Área Ejecución Larga →

03 · Lo que el agente no hace sin ti

Los controles humanos del día.

  • WhatsApp: un número solo para atender; nunca envíes mensajes masivos a quienes no se comunicaron contigo.
  • LGPD: PARAR y apagar meus dados funcionan, y el grupo del equipo nunca recibe el teléfono ni el texto del lead.
  • Las propuestas para la base solo se incorporan después de la revisión del gestor.
  • El bloqueo 4 requiere que des tu aprobación para borrar, enviar, pagar o tocar un secreto. Ningún bloqueo detecta mentiras en el texto: léelo antes de actuar.
  • Los auditores del harness solo leen. Solo se aplica lo que marcaste.

Empieza ahora

Día 3 de 3, presencial, con el grupo.

Cada bloque de arriba se realiza en tu portátil, con ayuda personalizada cuando te atascas.

Inmersión presencial · unas 10 plazas

Asegura tu plaza

R$ 2.847 por persona. Del 11 al 13 de diciembre, en el Refúgio INEMA. La reserva se hace por correo electrónico a inemavip@gmail.com, donde también te informan sobre el alojamiento y cómo llegar.

Quiero una plaza · enviar correo electrónico →
Día 2 · sábado, 12 de diciembre

Colas y publicaciones

Envías el trabajo a una cola, te alejas y montas el canal de tu nicho, que verifica cada número y solo publica lo que aprobaste.

← Ver el día 2
Programa completo

Los 3 días, bloque a bloque

Terminal y Jarvis, colas y publicaciones, atención y harness.

Ver el programa →

¿Tienes dudas antes de reservar? Escribe a inemavip@gmail.com. La página de la inmersión tiene las preguntas frecuentes.