Agentes no Claude Code: um time que produz seu boletim macro
Um agente no Claude Code é um arquivo Markdown com nome, ferramentas, modelo e instruções permanentes. Este tutorial mostra a arquitetura de um time de cinco subagentes (pesquisador de dados, analista, redator, revisor e publicador) que produz um boletim macro semanal do Brasil com um único comando, com permissões restritas por papel, hook de auditoria e revisão obrigatória antes de publicar.
Claude Code para Economistas: automatize o relatório do IPCA
Um relatório mensal do IPCA em R e Quarto construído e atualizado pelo Claude Code a partir de um briefing e quatro prompts. O tutorial mostra a estrutura de projeto, o CLAUDE.md com as fontes do BCB e do IBGE, os prompts de coleta, tratamento, gráficos e relatório, e a publicação na Posit Connect Cloud com atualização a cada git push.
Claude Code: Como Instalar e Começar a Usar
Como instalar o Claude Code no VS Code e começar a usar o agente de IA da Anthropic que atua no terminal e no editor: lê arquivos, executa comandos e edita código, em vez de só sugerir como um chatbot. O guia reúne o que é o agente e como ele decide o que fazer, o terreno em que ele pisa (terminal, CLI, script e IDE), a instalação passo a passo e o uso no dia a dia — modelos, janela de contexto, o arquivo CLAUDE.md e a fórmula de um bom primeiro prompt para análise de dados.
Índice de Tom das Atas do Copom com LLMs e Python
Este artigo apresenta um tutorial sobre como construir um Índice de Tom para as atas do Copom utilizando Grandes Modelos de Linguagem (LLMs) e Python. Mostramos o processo de coleta de dados via API do BCB, engenharia de prompt com o Google Gemini e calibração do índice via regressão linear para expressá-lo em unidades equivalentes à taxa Selic. O resultado é um indicador quantitativo que mede o sentimento (hawkish vs. dovish) da comunicação do Banco Central.
Análise dos Maiores Salários de Contratação no CAGED 2025 com Python
Este artigo apresenta uma análise detalhada dos maiores salários de contratação no Brasil em 2025, com foco nos estados do Sudeste. Utilizando a linguagem Python, o estudo detalha a construção de um pipeline de engenharia de dados para processar milhões de microdados do Novo CAGED, desde a coleta via FTP até a agregação e armazenamento em formato Parquet. A metodologia inclui a aplicação de filtros estatísticos e o cálculo da mediana salarial para ranquear as 15 ocupações mais bem remuneradas.
