O Código-Fonte do Claude Code Vazou. Eu Li Tudo. Aqui Está o Que Aprendi.

Claude Code31 de março de 2026·6 min de leitura·por Vini Parizotto

O código-fonte completo do Claude Code, a ferramenta de IA mais avançada para programadores, vazou de um arquivo de mapa no registro NPM da Anthropic.

512 mil linhas de TypeScript. 1.916 arquivos. 40+ ferramentas internas. O system prompt completo, linha por linha.

Eu li tudo.

E o que encontrei mudou a forma como eu penso sobre IA.

O que eu esperava encontrar

Esperava encontrar funcionalidades técnicas: como o Claude Code gerencia memória, como cria sub-agentes, como comprime contexto quando a conversa fica grande demais.

Encontrei tudo isso. Mas a descoberta real foi outra.

O que eu realmente encontrei

A Anthropic dedica 40% do prompt de sistema a algo que quase ninguém faz: instruções sobre como o modelo deve pensar.

Não estou falando de regras (”faça X”, “não faça Y”). Estou falando de meta-cognição: o manual de raciocínio que guia como a IA processa informação, toma decisões e produz resultado.

Isso é diferente de tudo que a maioria das pessoas entende sobre prompts.

As 3 Dimensões de Inteligência

Analisando o source code, identifiquei que toda inteligência de um sistema com IA tem 3 dimensões:

1. CONTEÚDO (O que saber) Dados, contextos, referências, documentos. A maioria das pessoas para aqui. Jogam tudo no prompt e esperam resultado.

2. PROCESSO (O que fazer) Regras, workflows, checklists, validações. Empresas mais maduras chegam até aqui. Criam SOPs para a IA.

3. META-COGNIÇÃO (Como pensar) Princípios de raciocínio, critérios de decisão, hierarquia de prioridades. Quase ninguém faz isso. A Anthropic faz. E é isso que diferencia o Claude Code de todos os outros.

Na prática, o que isso significa?

Vou te dar exemplos direto do código-fonte.

Sobre escopo:

“Não adicione features, refactoring ou melhorias além do que foi pedido. Um bug fix não precisa de limpeza do código ao redor.”

Sobre complexidade:

“Não crie abstrações para operações únicas. Três linhas similares de código é melhor que uma abstração prematura.”

Sobre falhas:

“Se uma abordagem falhar, diagnostique o PORQUÊ antes de mudar de tática. Não repita a mesma ação cegamente, mas não abandone uma abordagem viável após uma única falha.”

Sobre comunicação:

“Direto ao ponto. Tente a abordagem mais simples primeiro. Lidere com a resposta, não com o raciocínio.”

Percebe? Nenhuma dessas instruções diz O QUE fazer. Elas dizem COMO RACIOCINAR sobre o que fazer.

O que isso muda pra quem usa IA no dia a dia

A maioria das pessoas usa IA assim:

Joga um prompt
Recebe o resultado
Se não gostou, pede de novo com mais contexto

Isso é usar 1 das 3 dimensões.

As pessoas mais avançadas adicionam processo:

Criam templates de prompt
Definem regras (”sempre responda em português”, “use bullets”)
Criam fluxos de trabalho

Isso é usar 2 das 3 dimensões.

O que quase ninguém faz é ensinar a IA a pensar melhor:

“Na dúvida entre duas opções, escolha a mais específica, não a mais criativa”
“Se a recomendação não tem número, não é recomendação, é opinião”
“Diagnóstico ANTES de solução. Sempre.”

Isso é a terceira dimensão. E é onde mora a diferença entre resultado medíocre e resultado profissional.

O que eu fiz com isso

Depois de ler as 133 mil linhas, implementei meta-cognição no sistema que uso diariamente na minha agência.

Criei 3 camadas de “como pensar”:

Meta-cognição de Copy: princípios como “se a headline precisa de mais de uma frase, o ângulo está errado”..

Meta-cognição Estratégica: princípios como “dados live > knowledge > inferência” e “se não tem número, não é recomendação”.

Meta-cognição de Ação: princípios como “copy entregue não pode ser desentregue do cérebro de quem leu” e “o custo de perguntar é 10 segundos, o custo de agir errado é horas de retrabalho”.

O resultado? Redução estimada de 40 a 50% nas rejeições de entrega. Não porque eliminou erros, mas porque os erros que sobram são de execução (ajuste de palavra, tom), não de raciocínio (ângulo errado, conceito vago).

Mas o vazamento revelou mais do que como a IA pensa

Além da meta-cognição, encontrei funcionalidades inteiras que a Anthropic está construindo em segredo. Escondidas atrás de 93 feature flags, compiladas fora da versão pública. Coisas que ninguém deveria ter visto.

KAIROS: o agente que nunca desliga. Um modo daemon autônomo que roda em background enquanto você não está usando. Recebe “ticks” em intervalos regulares e decide sozinho se precisa agir. Tem um budget de 15 segundos por ação. É um agente persistente, sempre ligado, que observa, registra e age proativamente.

Dream: a IA que sonha. Um sistema de “consolidação de memória” que funciona como um subagente em background. Depois de 24 horas e pelo menos 5 sessões, ele acorda. Passa por 4 fases: se orienta, coleta sinais recentes, consolida memórias e limpa o que ficou obsoleto. O nome não é acidental. É literalmente o Claude sonhando, organizando o que aprendeu. Limpando ruído. Fortalecendo o que importa.

Voice Mode: conversa por voz, pronta mas escondida. Uma interface push-to-talk completa com speech-to-text, integração OAuth, indicador visual na interface. Tudo construído. Tudo funcional. Escondido atrás de uma feature flag.

Buddy: um Tamagotchi no terminal. 18 espécies de mascotes (incluindo capivara), com stats como DEBUGGING, PATIENCE, CHAOS, WISDOM e SNARK. Raridades de common a legendary. Chapéus. Sprites em ASCII. Um Tamagotchi que vive no terminal enquanto você programa. Isso é real. Está no código.

Frustration Detection: a IA sabe quando você está irritado. O código analisa suas mensagens em tempo real. “This is broken”, “I give up”... quando detecta frustração, muda o comportamento. Internamente, classifica seu humor em 6 níveis: de “frustrated” até “happy”.

Undercover Mode: quando a Anthropic finge ser humana. Quando funcionários da Anthropic usam o Claude Code em repositórios públicos, um modo especial ativa automaticamente. Remove qualquer atribuição ao Claude. Esconde nomes de projetos internos. Descreve commits como um desenvolvedor humano faria. Ninguém saberia que foi uma IA.

Fake Tools: defesa contra cópia. Um mecanismo anti-distillation que injeta ferramentas falsas nas chamadas de API. O objetivo? Impedir que concorrentes treinem seus modelos copiando o comportamento do Claude. Se alguém tentar replicar as chamadas, vai aprender padrões que não existem.

93 feature flags no total. Funcionalidades completas, testadas, funcionais, que simplesmente não existem na versão que você baixa. Estão lá. Só não estão ligadas.

O takeaway

A maioria das pessoas está tentando dar mais INFORMAÇÃO para a IA.

A Anthropic está ensinando a IA a PENSAR MELHOR com a informação que já tem. E ao mesmo tempo, está construindo um ecossistema inteiro de funcionalidades que ninguém sabe que existe.

O que vazou não é só código. É o roadmap inteiro de para onde a IA está indo.

Quer ir mais fundo?

Estou abrindo acesso gratuito a dois recursos:

1. Comunidade Novos Construtores Uma comunidade para quem quer aprender a construir com IA de verdade, não só usar chatbots. Discussões, materiais, e acesso direto ao que estou construindo.

Acesse: https://construtores.nomics.com.br/

2. Repositório do Claude Code (source code completo) O código-fonte que analisei, com breakdown completo. Pra quem quer ler com os próprios olhos o que a Anthropic construiu por dentro.

Acesse: https://github.com/nirholas/claude-code

Os dois são gratuitos (POR ENQUANTO). Sem pegadinha, sem funil. Só quero reunir gente que leva isso a sério.

Te vejo lá.

*Vinicius Parizotto*