For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/pt/articles/claude-cowork-mobile-web-agent-harness.md.
O suporte móvel e web do Claude Cowork vai além de uma simples atualização de interface. Ele mostra que o trabalho dos agentes está se torna...
A atualização do Claude Cowork da Anthropic parece simples à primeira vista: o Cowork está saindo do desktop e se tornando disponível também na web e no celular. Mas o sinal real é maior do que uma nova interface.
Quando um agente pode continuar trabalhando depois que o usuário sai da mesa, o produto deixa de ser apenas uma janela de chat. Ele se torna uma thread de tarefa persistente. O usuário pode iniciar o trabalho no desktop, verificar o progresso no celular, responder a um esclarecimento de outro dispositivo e voltar depois para revisar um artefato.
Essa mudança é importante para equipes que usam Claude Cowork, Claude Code, Codex, Cursor, GitHub Copilot, NxCode ou agentes internos. A questão não é mais apenas "O modelo consegue resolver a tarefa?" A pergunta melhor é: O sistema em torno do modelo consegue controlar contexto, ferramentas, estado, permissões, logs, validação e revisão humana?
O Claude Cowork está se expandindo de um fluxo de trabalho centrado no desktop para uma experiência na web e no celular. O usuário pode iniciar uma tarefa no computador, deixar o Claude continuar em segundo plano, verificar o status pelo celular e voltar depois para revisar a saída.
Isso muda o modelo mental.
Um chatbot espera pela próxima mensagem. Uma ferramenta de conclusão de código sugere a próxima linha. Um agente em segundo plano continua trabalhando depois que o usuário se afasta. Isso significa que as equipes não podem colocar toda a governança dentro de uma única sessão de desktop ou uma janela de terminal visível.
A página do produto Cowork da Anthropic também enfatiza o controle. Os usuários escolhem pastas e ferramentas, e os administradores empresariais podem configurar acesso e permissões. Isso é importante porque o trabalho entre dispositivos só é útil se não transformar acidentalmente cada toque no celular em uma ampla concessão de permissão.
Para equipes de engenharia, a lição não é "mova toda tarefa para o celular". A lição é que o trabalho delegado está se tornando durável. As tarefas continuarão entre abas, dispositivos, reuniões, notificações e trocas de contexto humano. O modelo operacional tem que assumir que o trabalho pode continuar após o primeiro prompt.
Um agent harness é o sistema em torno do modelo que transforma uma solicitação em trabalho controlado.
Ele inclui:
Um modelo forte dentro de um harness fraco ainda pode falhar gravemente. Ele pode ler os arquivos errados, usar a ferramenta errada, fazer uma grande
mudança insegura, ou produzir um resultado que parece polido, mas não pode ser revisado.
A expansão mobile e web do Claude Cowork torna o arcabouço mais visível. A tarefa pode começar no desktop, continuar na nuvem, solicitar aprovação no celular e terminar com arquivos ou mensagens prontos para revisão. Esse fluxo precisa de estado e permissões que acompanhem a tarefa, não apenas o dispositivo.
A AWS está promovendo uma ideia relacionada do lado da nuvem através do Amazon Bedrock AgentCore. Seu modelo de arcabouço foca em orquestração, execução de ferramentas, gerenciamento de contexto, persistência de estado, recuperação de falhas e sessões isoladas. Os escritos de Lilian Weng sobre engenharia de arcabouço apontam na mesma direção sob uma perspectiva de pesquisa: um melhor comportamento do agente não vem apenas de pesos de modelo mais fortes, mas também de melhores ambientes, ciclos de feedback, avaliação, ferramentas e suporte estrutural.
Em termos práticos, o arcabouço é onde as equipes definem o que significa "bom trabalho de agente".
Agentes entre dispositivos têm valor óbvio.
Um gerente de produto pode pedir um resumo de pesquisa de clientes antes de embarcar em um trem. Um engenheiro pode iniciar uma investigação de logs, fechar o laptop e aprovar um acompanhamento específico pelo celular. Um fundador pode delegar uma atualização para investidores e revisar o rascunho depois.
Mas o risco é igualmente claro. Uma tarefa que continua sendo executada em segundo plano pode continuar usando ferramentas, arquivos, aplicativos conectados e contexto depois que o humano para de olhar para a tela.
As equipes devem separar cinco tipos de autoridade.
| Tipo de Autoridade | Exemplo | Regra Padrão |
|---|---|---|
| Ler contexto local | Arquivos do repositório, documentos, anotações | Permitir apenas pastas com escopo definido |
| Ler aplicativos conectados | Slack, e-mail, calendário, CRM | Usar aprovação por conector |
| Escrever artefatos locais | Rascunhos, branches, planilhas | Permitir apenas com diffs revisáveis |
| Comunicação externa | Enviar e-mail, postar no Slack, abrir chamados | Exigir confirmação humana |
| Ação destrutiva ou de produção | Excluir arquivos, rotacionar segredos, fazer deploy | Exigir aprovação explícita e logs |
O acesso mobile deve tornar a revisão mais rápida, não mais fraca. Um celular é útil para verificar o status da tarefa, responder a um esclarecimento ou aprovar um próximo passo específico. Não é o lugar adequado para revisar um grande diff de código, autorizar uma migração de produção, aprovar alterações de faturamento ou conceder amplo acesso a dados de clientes.
Uma regra operacional simples funciona bem:
O mobile pode direcionar, mas a aprovação séria deve acontecer onde a evidência está visível.
Cada tarefa delegada precisa de um limite escrito.
Um bom escopo deve incluir:
Sem esses limites, um agente em segundo plano é apenas um prompt de longa duração com ferramentas anexadas. Esse não é um modelo operacional seguro.
Um revisor não deve ter que adivinhar o que o agente fez.
Para tarefas de código, o relatório final deve incluir:
relevante
Para tarefas de pesquisa, o relatório final deve incluir:
O objetivo é tornar o trabalho do agente auditável. Uma resposta refinada não é suficiente.
Nem toda tarefa precisa do mesmo modelo, janela de contexto ou orçamento.
Resumos de baixo risco, triagem de problemas, formatação e transformações determinísticas podem frequentemente usar modelos mais baratos. Depuração difícil, planejamento de arquitetura, migrações e trabalhos críticos de segurança podem justificar modelos mais fortes e revisão mais rigorosa.
Uma política prática de roteamento pode ser assim:
| Tipo de Tarefa | Estratégia de Modelo Sugerida | Nível de Revisão |
|---|---|---|
| Formatação ou limpeza | Modelo de menor custo | Revisão leve |
| Resumo ou triagem | Modelo de menor custo | Verificação por amostragem |
| Correção pequena de código | Modelo médio/alto dependendo do risco | Revisão de diff + teste |
| Mudança de arquitetura | Modelo mais forte | Revisão humana necessária |
| Tarefa de segurança ou produção | Modelo mais forte + controle rigoroso | Aprovação humana necessária |
| Comunicação externa com cliente | Modelo mais forte ou liderado por humano | Aprovação antes do envio |
A questão não é usar sempre o modelo mais barato. A questão é usar o modelo certo para o nível de risco.
Agentes persistentes tornam tentador armazenar tudo. Isso é arriscado.
As equipes devem armazenar informações estáveis e reutilizáveis, como:
As equipes devem evitar armazenar:
Uma boa memória melhora a confiabilidade do fluxo de trabalho. Uma memória ruim transforma o palpite de ontem na instrução oculta de amanhã.
Não avalie agentes apenas por demonstrações ou clipes de mídia social.
Escolha tarefas reais do último mês. Inclua bugs, refatorações, edições de documentação, limpeza de dados, investigações de suporte e verificações de lançamento. Execute cada agente com o mesmo orçamento de tempo e compare os resultados.
Meça:
O benchmark local de uma equipe é mais valioso do que um ranking genérico, pois reflete o trabalho que a equipe realmente realiza.
Um arcabouço útil não precisa começar como um grande projeto de plataforma. Uma versão mínima pode ser construída com um arquivo de instrução do repositório, um modelo de tarefa, uma lista de verificação de validação e uma regra de revisão.
Use um modelo de tarefa como este:
Objetivo:
Contexto permitido:
Ferramentas permitidas:
Ações não permitidas:
Comando de validação:
Artefato esperado:
Aprovação humana necessária para:
Pare se:
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Em seguida, mapeie os tipos de tarefa para os fluxos de trabalho.
Este modelo é simples, mas força a equipe a tornar a autorização e a validação visíveis.
Para fluxos de trabalho no estilo We0 AI, o arcabouço deve ajudar as equipes a definir instruções, executar verificações reproduzíveis, comparar saídas de agentes e preservar contexto suficiente para revisão. O objetivo não é desacelerar
ado. O objetivo é tornar a delegação previsível o suficiente para ser confiável.
Não compare o Claude Cowork, Claude Code, Codex, GitHub Copilot, Cursor ou agentes internos com base em "impressões".
Use tarefas reais e faça cinco perguntas:
Execute cada tarefa mais de uma vez. Agentes são estocásticos. Uma única execução impressionante não prova confiabilidade, e uma única execução ruim não prova que o sistema é inútil.
Também meça o ônus da revisão. Se um agente cria um artefato grande que leva mais tempo para verificar do que fazer a tarefa manualmente, ele não está ajudando. Um agente útil reduz o custo de se chegar a uma decisão confiante. Ele não apenas gera mais saída.
O Claude Cowork para dispositivos móveis e web faz parte de uma mudança mais ampla.
A AWS está transformando harnesses de agentes em infraestrutura de nuvem gerenciada. O agente de nuvem do GitHub Copilot suporta codificação em segundo plano e fluxos de trabalho de pull request. Claude Code, Codex, Cursor e agentes internos estão todos impulsionando as equipes em direção ao trabalho assíncrono que utiliza ferramentas. Discussões de pesquisa em torno da engenharia de harnesses também sugerem que melhores sistemas de agentes dependerão de ambientes, ferramentas, ciclos de feedback e avaliação mais robustos.
Essas são histórias de produto diferentes, mas apontam para a mesma realidade operacional: os produtos de IA estão se tornando sistemas.
Eles precisam de:
A era de "colar um prompt, obter resposta" não acabou. Mas, para equipes sérias, ela não é mais a fronteira.
Aqui está um plano prático de implementação de 30 dias.
Liste cada ferramenta de agente que sua equipe utiliza.
Para cada ferramenta, registre:
Isso dá à equipe uma linha de base clara.
Divida as tarefas em baixo, médio e alto risco.
Essa política deve ser documentada. Se uma categoria de tarefa não estiver clara, trate-a como médio ou alto risco até que a equipe decida o contrário.
Selecione cerca de 20 tarefas reais do mês anterior.
Inclua:
Execute os fluxos de trabalho atuais e pelo menos uma configuração alternativa de agente. Acompanhe conclusão, tempo de revisão, custo, falhas e surpresas.
Adicione ou melhore:
Se uma tarefa
não pode ser verificado, não deve ser delegado sem um proprietário humano claro.
O acesso móvel deve ser projetado com base em controle restrito, e não em autoridade ampla.
Um fluxo de trabalho móvel seguro pode permitir que os usuários:
Não deve permitir que os usuários, de forma casual:
Isso não significa que o controle móvel seja ruim. Significa que o controle móvel deve ser limitado aos tipos de decisões que podem ser tomadas de forma responsável a partir de uma tela pequena.
O suporte móvel e web do Claude Cowork é importante porque mostra para onde os produtos de agentes estão indo. O trabalho com IA será persistente, entre dispositivos, assíncrono e com uso de ferramentas.
Equipes que tratam agentes apenas como preenchimento automático mais inteligente perderão essa mudança. Equipes que tratam agentes como colegas de trabalho totalmente confiáveis criarão riscos evitáveis.
O caminho mais seguro é a delegação controlada: escopos de tarefa restritos, permissões explícitas, logs persistentes, validação determinística, roteamento de modelos e revisão humana nos momentos certos.
O Claude Cowork é o produto de trabalho agêntico da Anthropic que permite que o Claude execute tarefas em arquivos, ferramentas e fluxos de trabalho enquanto o usuário revisa o resultado final. Seu suporte web e móvel torna o fluxo de trabalho mais persistente e entre dispositivos.
O acesso móvel é importante porque muda a forma como os usuários interagem com agentes. Em vez de permanecer em uma sessão de desktop, uma tarefa pode continuar em segundo plano enquanto o usuário verifica o progresso, responde perguntas ou revisa o status de outro dispositivo.
Um harness de agente é o sistema em torno do modelo que gerencia contexto, ferramentas, estado, permissões, validação, logs e revisão humana. É o que transforma a resposta de um modelo em trabalho controlado.
A aprovação móvel pode ser segura para decisões restritas e de baixo risco, como esclarecer um requisito ou verificar o progresso. Não deve substituir a revisão completa para grandes alterações de código, ações em produção, dados de clientes, mensagens externas ou operações destrutivas.
Use tarefas internas reais em vez de demonstrações. Compare a taxa de conclusão, carga de revisão, custo, segurança, complexidade de reversão, evidências de fonte e se o agente pode ser interrompido ou redirecionado nos momentos certos.
Um bom template deve incluir o objetivo, contexto permitido, ferramentas permitidas, ações proibidas, comando de validação, artefato esperado, pontos de aprovação necessários e condições de parada.
Diferentes tarefas têm diferentes níveis de risco e complexidade. Resumos simples podem não precisar do modelo mais caro, enquanto mudanças de arquitetura, depuração, migrações e tarefas sensíveis à segurança
as tarefas podem exigir modelos mais robustos e revisão mais rigorosa.
O principal risco é que o agente continue usando ferramentas, contexto ou permissões após o usuário deixar de prestar atenção total. Por isso, acesso limitado, logs, artefatos revisáveis e portões de aprovação são essenciais.
O suporte móvel e web do Claude Cowork é mais do que uma atualização de interface de produto. Mostra que o trabalho do agente está se tornando persistente, entre dispositivos, assíncrono e com uso de ferramentas.
Essa mudança torna o harness do agente mais importante. As equipes precisam de escopos de tarefa mais claros, permissões mais rigorosas, logs persistentes, roteamento de modelos, validação determinística e aprovação humana nos pontos certos.
Um bom próximo passo não é perseguir cada novo recurso de agente. É construir um pequeno benchmark interno, definir níveis de risco e tornar o trabalho delegado revisável.
O fluxo de trabalho de agente mais forte não é aquele com mais autonomia. É aquele com os limites mais claros, melhores evidências e caminho de revisão mais seguro.
Comece com uma frase e tenha um site completo em minutos.
