Introdução
Um novo padrão de prompt do Claude Opus 5 está se espalhando rapidamente pela comunidade de programação com IA, à medida que desenvolvedores o utilizam para criar protótipos surpreendentemente refinados de jogos de navegador a partir de instruções iniciais curtas.
Este método agora é conhecido como "Ciclo de Desafio" (Gauntlet Loop).
A ideia central é simples: não deixe que o mesmo agente construa uma vez, avalie seu próprio trabalho e pare por aí. Dê ao agente principal um objetivo de alto nível, faça com que ele divida o projeto em partes menores, designe construtores especializados e use agentes de revisão independentes para comparar a saída real com padrões de qualidade específicos.
Se o resultado gerado não passar na comparação, retorne para mais uma rodada de iteração.
Matt Shumer popularizou esse método depois de criar um jogo de tiro em primeira pessoa para navegador inspirado nos jogos modernos de Call of Duty, usando Claude Code e Opus
5. Ele então publicou o prompt, o código-fonte e a explicação do fluxo de trabalho.
Outro desenvolvedor, Anshu Chimala, adotou um fluxo de trabalho semelhante para construir "O Longo Silêncio" (The Long Silence), um jogo de exploração espacial procedural que roda no navegador.
Esses projetos devem ser descritos com precisão. Eles não indicam que um único prompt pode produzir imediatamente um jogo AAA de nível comercial. Eles indicam que um agente de codificação poderoso, quando equipado com ferramentas, subagentes, execução de longa duração, limites de qualidade mensuráveis e verificação repetida, pode levar um protótipo muito além do que um prompt tradicional de uma única passada conseguiria alcançar.
O Padrão de Prompt por Trás da Demonstração Viral
A tarefa inicial de Shumer definiu uma meta intencionalmente extrema: construir um jogo de tiro em primeira pessoa com ambição visual comparável a um grande lançamento AAA moderno.
A parte crucial não está no gênero do jogo, mas na estrutura de avaliação.
O fluxo de trabalho instrui o agente a:
- Decompor o objetivo geral em partes menores.
- Delegar essas partes a subagentes especializados.
- Usar agentes de revisão independentes para verificar os resultados.
- Comparar os artefatos gerados com referências reais.
- Rejeitar trabalhos que não atinjam o padrão.
- Iterar continuamente, em vez de parar após um número fixo de rodadas.
Shumer posteriormente formalizou esse método como o "Ciclo de Desafio" (Gauntlet Loop).
Uma versão simplificada é mostrada abaixo:
Objetivo
↓
Agente principal
↓
Decomposição da tarefa
↓
Agentes construtores
↓
Saída real
↓
Revisão independente
↓
Comparação com referência
↓
Passou? ── Sim → Integração
│
Não
↓
Explicar a maior lacuna
↓
Construtor melhora
↓
Repetir
Limites de Qualidade Específicos São Essenciais
Feedback como "faça melhor" é fraco, porque o modelo precisa definir por si mesmo o que significa "melhor".
O "Ciclo de Desafio" dá ao avaliador uma referência externa.
Para jogos, podem ser capturas de tela de produtos comerciais estabelecidos.
Para sites, podem ser alguns dos principais concorrentes na mesma categoria.
Para engenharia de backend, pode ser:
- Um conjunto de testes
- Uma meta de latência
- Uma implementação de referência
- Uma auditoria de segurança
- Um limite de confiabilidade
O objetivo não precisa ser totalmente alcançável. Sua função é impedir que o agente declare sucesso prematuramente.
Nunca Deixe o Construtor Ser o Único Juiz
A segunda regra crucial é a independência.
O construtor sabe o motivo de cada escolha que fez e pode facilmente defender seus próprios resultados. Já um avaliador totalmente novo recebe o artefato real, sem conhecer os bastidores da implementação.
Para trabalhos visuais, o avaliador pode verificar os pixels renderizados.
Para software, o avaliador pode verificar testes e comportamento em tempo de execução.
Para trabalho de desempenho, o avaliador pode verificar medições reais.
O princípio mais amplo é: geração e avaliação devem ser duas coisas separadas.
Claude of Duty: O Projeto Que Popularizou o Ciclo
A demonstração inicial de Shumer foi lançada publicamente como Claude of Duty.
Seu repositório no GitHub descreve um jogo de tiro em primeira pessoa baseado em Three.js e WebGL2, contendo aproximadamente 55.000 linhas de código em cerca de 11 subsistemas.
O repositório afirma que o jogo não usa nenhum recurso artístico externo. Texturas, malhas, animações e sons são gerados proceduralmente por código.
Seus sistemas incluem:
- Renderização
- Materiais
- Atmosfera e céu
- Geometria do mundo
- Física
- Movimento do jogador
- Armas
- Efeitos especiais
- IA inimiga
- Interface do usuário
- Áudio procedural
Dizer que o projeto foi "concluído de uma vez" não significa que todo o conteúdo apareceu em uma única resposta. Segundo Shumer, um prompt de alto nível iniciou uma sessão de longa duração do Claude Code, que posteriormente gerou subagentes, escreveu arquivos, executou ferramentas, renderizou o jogo, verificou a saída e fez modificações contínuas.
As Ferramentas de Verificação Também São Parte do Resultado
O repositório inclui as seguintes ferramentas:
- Capturas de tela reproduzíveis
- Conjuntos de imagens para revisão
- Comparação de imagens pixel por pixel
- Análise de tempo de quadro
- Playtest com script
Seu README também é mais cauteloso do que algumas publicações virais: afirma explicitamente que o projeto final não corresponde ao nível dos jogos modernos de Call of Duty.
Isso, na verdade, torna o experimento ainda mais valioso. O verdadeiro resultado não é "a IA já substituiu os estúdios AAA", mas sim: uma referência alta e deliberadamente definida pode fazer o agente continuar trabalhando muito além do ponto onde um prompt comum já teria parado.
Jogo Espacial em 24 Horas: The Long Silence
Em seguida, Anshu Chimala aplicou um fluxo de trabalho semelhante para criar The Long Silence, um jogo de exploração espacial procedural para navegador, construído com Claude Opus 5.
O repositório público explica que o jogo utiliza renderização em navegador no estilo WebGL2 e Three.js, além de GLSL personalizado.
Também adota geração processual de conteúdo baseada em sementes, em vez de baixar bibliotecas tradicionais de assets artísticos.
O artigo original descreve um processo de desenvolvimento de aproximadamente 24 horas, dividido principalmente em três fases.
Etapa 1: Entregar o objetivo ao Opus 5 e deixá-lo escolher a arquitetura
A primeira solicitação foi criar um jogo de exploração espacial usando Three.js.
Os requisitos foram deliberadamente mantidos em alto nível:
- Permitir que o jogador se mova.
- Permitir que o jogador pilote uma nave.
- Evitar um estilo visual muito "plástico".
- Rodar de forma estável no navegador.
- Buscar desempenho fluido sempre que viável.
Grande parte da construção do mundo e da arquitetura técnica ficou a critério do agente.
Isso segue o princípio central do método:
Defina o destino, não o caminho.
O artigo original também menciona que o Claude Code se conectou a ferramentas relacionadas ao Blender durante o processo. O repositório público contém um diretório de habilidades Claude para modelagem de superfícies duras no Blender, confirmando que instruções reutilizáveis do Blender já fazem parte do projeto.
Etapa 2: Executar um longo ciclo de otimização visual
Após a primeira versão jogável, o projeto entrou em uma longa fase de refinamento visual.
Vários subagentes trataram de áreas diferentes, enquanto um agente de revisão comparava capturas de tela com imagens de referência de jogos espaciais refinados.
O foco não era simplesmente dizer ao Opus 5 "deixe o jogo mais bonito". O agente de revisão precisava identificar lacunas visíveis e enviar as áreas fracas para novas iterações.
O artigo original menciona que obras como Starfield foram usadas como referência de qualidade.
O ciclo longo também precisa de critérios de parada. Pontos de parada úteis incluem:
- Alcançar uma meta mensurável.
- O agente de revisão não consegue mais identificar lacunas significativas.
- As melhorias são pequenas demais para justificar o custo computacional.
- O tempo ou orçamento alocado foi esgotado.
- O responsável humano considera o resultado suficientemente bom.
O ciclo é um mecanismo de pressão, não uma garantia de que a saída final será "perfeita".
Etapa 3: Reordenação manual de prioridades, limpeza e extração de habilidades
O processo não foi totalmente autônomo.
Segundo o artigo original, Chimala acompanhou o progresso remotamente e interveio quando o agente investia tempo demais em uma área específica.
Após a execução longa, foram usadas sessões adicionais do Claude para:
- Corrigir problemas de renderização
- Limpar o código
- Preparar o projeto para implantação
Em seguida, o modelo foi solicitado a resumir experiências reutilizáveis em uma habilidade.
O repositório público contém:
.claude/skills/blender-hardsurface
Isso é um padrão útil para trabalhos de agentes de longa duração. Um projeto pode produzir não apenas artefatos, mas também conhecimento operacional reutilizável: quais ferramentas funcionam, quais testes são importantes, o que falhou e como tarefas futuras devem ser estruturadas.
The Long Silence construiu suas próprias ferramentas de validação
Uma das partes mais destacadas do repositório público é o
conjunto de ferramentas de validação.
O README documenta os seguintes comandos:
node tools/play.mjs
node tools/survey.mjs
node tools/probe.mjs "" --shot out.png
node tools/sheet.mjs a.png b.png --out s.png
node tools/levels.mjs shots/*.png
node tools/judgeset.mjs
Os usos documentados desses comandos incluem:
play.mjs: 17 asserções interativas cobrindo voo, varredura, dobra e saltosurvey.mjs: capturas de tela das principais cenas e relatório de desempenhoprobe.mjs: execução única de expressão no navegador com uma única captura de telasheet.mjs: folha de contato com miniaturas para comparação visuallevels.mjs: estatísticas de tom e exposiçãojudgeset.mjs: reconstrução do conjunto de revisão visual
O ponto-chave é que o agente não criou apenas o jogo em si, mas também os mecanismos para avaliá-lo.
É por isso que um agente de longa duração consegue melhorar de forma mais confiável do que um fluxo de trabalho simples de "gerar e parar".
O repositório demonstra verdadeiras compensações de engenharia
O README registra várias decisões gráficas reais:
- Um sistema de origem flutuante lida com distâncias espaciais muito grandes.
- Planetas são assados em cubemaps para evitar avaliações processuais caras a cada quadro.
- A atmosfera usa cálculos de dispersão.
- A pós-produção inclui bloom, mapeamento de tons, efeitos de lente, granulação e anti-aliasing.
- A escala de renderização dinâmica protege a taxa de quadros.
O repositório também explica que a validação no navegador foi executada em instâncias reais do Chromium com rasterização GPU habilitada.
Esses detalhes são importantes porque mostram como o modelo se sai diante de restrições de engenharia familiares: desempenho, precisão, repetibilidade, comportamento no navegador e qualidade visual.
O resultado é jogável, mas ainda um protótipo
The Long Silence pode ser jogado publicamente no navegador.
Seu repositório oferece comandos padrão de desenvolvimento:
npm install
npm run dev
npm run build
O jogo inclui voo espacial, varredura, ambientes processuais, navegação, objetivos de exploração e vários sistemas de interface.
Isso o torna mais do que um modelo estático.
Mas ele ainda não equivale a um jogo comercial AAA desenvolvido por grandes estúdios ao longo de vários anos.
A produção de nível AAA geralmente exige grandes equipes responsáveis por:
- Arte
- Design de fases
- Animação
- Áudio
- Narrativa
- Multijogador
- Garantia de qualidade
- Suporte à acessibilidade
- Certificação
- Otimização de desempenho
- Operação e manutenção
A conclusão mais defensável é: um desenvolvedor hoje pode orquestrar agentes de codificação de ponta para criar protótipos jogáveis, visualmente ambiciosos e tecnicamente não triviais, a uma velocidade muito maior do que era prático antes.
Os desenvolvedores da comunidade começaram a reutilizar esse padrão
Depois que Shumer publicou o prompt e o código, esse fluxo de trabalho se espalhou rapidamente.
Kart Racing
Ryan Campbell adotou um padrão semelhante
Desenvolvendo ciclicamente um projeto de corrida de karts no navegador, iterando continuamente renderização, controles, comportamento de câmera e desempenho em dispositivos móveis.
O diretório Gauntlet Loop divulgado por Shumer mais tarde exibiu experimentos de corrida jogáveis no navegador produzidos com esse método.
Claudepunk 2077
O designer Yogi Suria compartilhou um projeto Three.js em estilo cyberpunk, inspirado no mesmo padrão de prompt.
Este exemplo mostra que o método não se limita a um único gênero de jogo. A referência-alvo, a direção de arte e o conjunto de ferramentas podem mudar, enquanto a estrutura "construir-criticar-repetir" permanece constante.
O mesmo padrão pode ser usado com outros agentes de codificação
A fonte também mostrou um desenvolvedor tentando um prompt semelhante com GPT-5.6 Sol via Codex.
Esse desenvolvedor relatou um tempo de construção de cerca de duas horas e descreveu o resultado como bom, mas não tão refinado quanto a demonstração de Shumer.
Isso demonstra que o Gauntlet Loop não é, em essência, exclusivo do Claude.
O padrão depende de um ambiente de agente com as seguintes capacidades:
- Acesso a arquivos
- Execução de código
- Renderização de saída
- Verificação de capturas de tela
- Uso de ferramentas
- Execução contínua por múltiplas rodadas
- Delegação de tarefas
- Modificações com base em feedback
Diferentes modelos podem apresentar desempenhos variados no loop, mas a arquitetura é portável.
Por que o agente crítico muda os resultados
O fluxo de geração tradicional geralmente é assim:
Usuário → Modelo → Saída → Usuário
O Gauntlet Loop adiciona uma camada de avaliação:
Usuário
↓
Agente principal
↓
Construtor
↓
Artefato
↓
Crítico independente
↓
Medição da lacuna
↓
Revisão do construtor
↓
Novo artefato
Isso cria mais oportunidades para detectar saídas de baixa qualidade antes da entrega.
O crítico deve testar a realidade
O agente dizer "a página agora deveria ser responsiva" não é tão eficaz quanto abrir a página em uma largura móvel e verificar de fato.
"O jogo deveria estar mais rápido" não é tão eficaz quanto medir o tempo de frame.
"A renderização parece melhor" não é tão eficaz quanto comparar capturas de tela.
Os melhores sinais de feedback estão enraizados nos artefatos reais.
Novo contexto reduz a justificativa pessoal
O construtor se lembra de cada concessão que fez.
Isso pode enviesar a avaliação.
Um crítico independente pode fazer uma pergunta mais simples: o resultado realmente atingiu o padrão?
Isso reflete fluxos de trabalho humanos. Desenvolvedores usam testes e revisões de código. Designers usam revisões visuais e testes com usuários. Escritores usam editores.
Agentes de IA podem reproduzir essa separação com maior frequência.
Por que o Opus 5 é adequado para esse fluxo de trabalho
A Anthropic lançou o Claude Opus 5 em 24 de julho de 2026.
Seu material de lançamento oficial
enfatiza maior desempenho em codificação, trabalho multi-etapas de longa duração, verificação e iteração.
A Anthropic destacou especificamente que o Opus 5 é melhor em:
- Verificar o próprio trabalho
- Iterar repetidamente até que a tarefa seja bem-sucedida
- Encontrar causas raiz
- Construir estruturas de teste quando necessário
- Manter o progresso em tarefas longas
- Verificar a saída visual antes de devolver o trabalho
Esses comportamentos estão altamente alinhados com o Gauntlet Loop.
O prompt não concede novas capacidades ao modelo. Ele cria uma estrutura que força repetidamente o modelo a usar as capacidades que já possui.
A Anthropic também afirmou que o Opus 5 é mais eficiente que o Opus 4.8 pelo mesmo preço base: US$ 5 por milhão de tokens de entrada e US$ 25 por milhão de tokens de saída.
Opus 5 ainda requer supervisão
Agentes de execução prolongada ainda podem enfrentar os seguintes problemas:
- Deriva de contexto
- Prioridades desordenadas
- Desperdício de recursos computacionais
- Decisões locais fracas
- Conflitos de integração
- Falhas de ferramentas
- Inconsistências visuais
Portanto, pontos de verificação humanos ainda são úteis.
O fluxo de trabalho mais forte não é "nunca mais olhar para o agente", mas sim "fazer o agente trabalhar por mais tempo entre duas intervenções humanas de alto valor".
Modelo prático de Gauntlet Loop
O método pode ser generalizado para além dos jogos.
Primeiro passo: definir o objetivo
Descreva o resultado desejado, em vez de especificar cada detalhe de implementação.
Construa um jogo refinado de exploração espacial no navegador, com controles fluidos,
forte atmosfera visual e desempenho estável.
Segundo passo: definir critérios de qualidade reais
Use conteúdo que o revisor possa verificar.
Para trabalhos visuais:
Compare a iluminação, profundidade, composição e refinamento da interface com um conjunto selecionado de capturas de tela de jogos comerciais de alta qualidade.
Para software, use testes, benchmarks ou implementações de referência.
Terceiro passo: deixar o agente principal decompor o trabalho
O agente pode dividir os componentes, por exemplo:
- Movimento
- Iluminação
- Ambiente
- UI
- Áudio
- Efeitos
- Desempenho
Quarto passo: separar os papéis de construtor e crítico
Para componentes importantes, use:
- Um construtor
- Um crítico com contexto totalmente novo
Quinto passo: retornar a maior lacuna válida
O crítico deve apontar a maior diferença acionável, em vez de listar uma longa sequência de reclamações vagas.
Sexto passo: repetir
Continue iterando até que qualidade, orçamento ou tempo atinjam um ponto de parada.
Sétimo passo: executar verificação de integração
Agentes paralelos podem produzir trabalhos localmente bons, mas globalmente inconsistentes.
O agente de integração final pode verificar:
- Interfaces compartilhadas
- Consistência visual
- Nomenclatura
- Lógica duplicada
- Desempenho
- Conflitos entre sistemas
Oitavo passo: salvar conhecimento reutilizável
Armazene as partes úteis do processo como:
- Habilidades
- Scripts de teste
- Benchmarks
- Modelos de prompt
- Ferramentas de revisão
Execuções futuras devem começar a partir das lições aprendidas anteriormente.
Quando esse padrão é mais adequado
O Gauntlet Loop é mais eficaz quando a qualidade pode ser medida repetidamente.
Candidatos adequados incluem:
- Desenvolvimento front-end
- Jogos
- Codificação orientada a testes
- Refatoração
- Otimização de desempenho
- Relatórios de pesquisa
- Páginas de marketing
- Apresentações
- Design visual
Mas o padrão é mais fraco quando o crítico carece de sinais confiáveis.
Um crítico sem capturas de tela, testes,
benchmarks, materiais de referência ou feedback real de usuários pode apenas gerar mais uma "opinião" do modelo.
Custo e controle ainda importam
Fluxos de trabalho multiagente de longa duração podem consumir uma quantidade significativa de recursos computacionais.
Cada rodada de revisão pode exigir:
- Novas chamadas de modelo
- Renderização de navegador
- Análise de imagens
- Execução de ferramentas
- Geração de código
- Testes
Meios práticos de controle de orçamento incluem:
- Tempo máximo de execução
- Custo máximo do modelo
- Número máximo de rodadas de crítica
- Limite mínimo de melhoria
- Aprovação humana após marcos importantes
Um crítico rigoroso pode melhorar a qualidade, mas também pode fazer o sistema continuar funcionando por muito tempo, mesmo quando melhorias adicionais já não valem a pena.
Perguntas Frequentes
O que é o Gauntlet Loop?
O Gauntlet Loop é um método de prompt multiagente popularizado por Matt Shumer. Um agente principal divide o objetivo em tarefas menores, um agente construtor é responsável por produzir os resultados, e um agente crítico independente compara a saída real com referências específicas. Resultados que não atingem o padrão são devolvidos para refazer.
O Claude of Duty foi realmente construído com apenas um prompt?
De acordo com Shumer, o projeto começou com um prompt de alto nível, mas não foi gerado em uma única resposta do modelo. O Claude Code trabalhou por horas, criou subagentes, escreveu cerca de 55 mil linhas de código, usou ferramentas, verificou saídas e iterou.
O Claude Opus 5 criou um jogo 3A real em 24 horas?
Não. Essas demonstrações são jogos de navegador e protótipos tecnicamente impressionantes, mas não equivalem a títulos 3A comerciais. O repositório do Claude of Duty por si só deixa claro que o resultado final não pode ser comparado aos jogos modernos de Call of Duty que serviram como referência de qualidade.
O que é The Long Silence?
The Long Silence é um jogo de exploração espacial processual baseado em navegador, criado por Anshu Chimala. Seu repositório público mostra que foi construído com Claude Opus 5 e inclui renderização personalizada, conteúdo gerado processualmente e ferramentas de validação baseadas no navegador.
Por que usar um agente crítico independente?
Um crítico novo e imparcial tem menos motivos para defender as decisões de implementação do construtor. Ele pode examinar o produto real e, antes de solicitar uma nova revisão, compará-lo com testes, capturas de tela, benchmarks ou exemplos de referência.
O Gauntlet Loop funciona apenas com Claude Opus 5?
Não. Essa arquitetura pode ser aplicada a outros agentes de codificação que suportem ferramentas, edição de arquivos, execução de código, inspeção visual e trabalho repetitivo. A fonte original inclui um exemplo com GPT-5.6 Sol e Codex.
Preciso do Claude Code?
O fluxo de trabalho completo exige um ambiente de execução de agentes, não uma interface de chat comum. O Claude Code é uma opção porque pode lidar com arquivos, executar comandos, conectar ferramentas e coordenar tarefas de codificação de longa duração.
Quais são as maiores limitações?
Quando o padrão de qualidade é vago ou não pode ser medido, loops de longa duração podem desperdiçar tempo e recursos computacionais. O proprietário humano ainda deve definir orçamentos, verificar o progresso, reajustar prioridades quando necessário e decidir quando novas iterações deixam de valer a pena.
Ferramentas Relacionadas
- Claude Code: Ambiente de codificação agêntico da Anthropic, adequado para bases de código, ferramentas e tarefas de desenvolvimento de longo prazo.
- Claude Opus 5: Anúncio oficial da Anthropic.
Cobre as capacidades de codificação, validação, iteração e tarefas de ciclo longo do Opus 5.
- Three.js: Biblioteca 3D em JavaScript usada nos projetos de jogos para navegador discutidos neste texto.
- Blender: Suíte de criação 3D de código aberto que pode ser integrada a fluxos de trabalho agênticos por meio de ferramentas externas.
- Model Context Protocol: Protocolo aberto para conectar aplicações de IA a ferramentas externas e fontes de dados.
Links Relacionados
- Como executar o Gauntlet Loop: Explicação detalhada de Matt Shumer sobre a arquitetura de prompt construtor/crítico.
- Claude of Duty no GitHub: Jogo de tiro em primeira pessoa em Three.js, open source, criado com o fluxo de trabalho Opus 5 de Shumer.
- Prompt original do Claude of Duty: O prompt público usado para iniciar o experimento.
- The Long Silence no GitHub: Jogo espacial open source para navegador e suas ferramentas de validação.
- Jogar The Long Silence: Versão WebGL2 em tempo real do projeto.
- Anthropic: Apresentando o Claude Opus 5: Informações oficiais sobre os recursos, preços e comportamento de agentes de longa duração do Opus 5.
- Documentação MCP da Anthropic: Visão geral da Anthropic sobre o suporte ao Model Context Protocol nos produtos Claude.
Resumo
Os experimentos virais com jogos do Opus 5 devem ser entendidos mais como uma demonstração de fluxo de trabalho do que como uma "geração única" mágica. O Gauntlet Loop combina decomposição de tarefas, construtores especialistas, críticos independentes, padrões de qualidade concretos e iteração repetida.
The Long Silence mostra até onde esse padrão pode chegar em um projeto agêntico com cerca de um dia de duração. Seu repositório público inclui não apenas um jogo jogável, mas também scripts de validação, ferramentas de captura de tela, asserções interativas e instruções agênticas reutilizáveis.
O método ainda depende de julgamento humano, orçamento computacional, boas referências e uma bancada de trabalho agêntica. Ele não equivale a transformar protótipos de navegador em jogos 3A de estúdio.
A verdadeira mudança está no fato de que um objetivo de alto nível agora pode iniciar um ciclo de "construir–medir–criticar–melhorar" de longa duração, realizando muito mais trabalho antes que um humano precise intervir.
Crie um site de apresentacao e gere leads em minutos
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.
