Aula sobre construção de projetos completos com **OpenCode Swarm** e…

INEMA

sistema trabalha, se autocorrige, testa localmente e chega sozinho ao final. Você liga e vai tomar um café. * Os agentes trabalham em áreas separadas do projeto para evitar conflitos. Cada um tem reservados os arquivos que lhe correspondem.

Recursos⌗

Documentação do Swarm OpenCode
Swarm Sequencial

👨‍💻 Swarm avançado no OpenCode⌗

Nesta aula, vocês aprendem a construir projetos completos usando OpenCode Swarm com oh-my-openagent (omo), o sistema multiagente mais poderoso disponível hoje para OpenCode, com mais de 40.000 estrelas no GitHub.

O objetivo é entender o que é um swarm, por que ele supera o modelo de uma única IA e como colocar em funcionamento uma equipe completa de agentes especializados que trabalham em paralelo para construir projetos reais — neste caso, uma landing page profissional completa — sem que você precise intervir em cada etapa.

Além disso, vocês verão como combinar modelos de diferentes provedores (Claude, GPT, Gemini e modelos gratuitos do OpenCode) dentro do mesmo fluxo, otimizando custo e qualidade de acordo com cada tarefa.

🛠️ O que conseguimos com isso?⌗

Entender a diferença entre um swarm sequencial e um swarm paralelo e quando usar cada um.
Instalar o oh-my-openagent tanto globalmente quanto em nível de projeto.
Iniciar uma equipe de 7 agentes especializados coordenados por Sisyphus, o orquestrador principal.
Fazer com que Prometheus entreviste você antes de escrever uma única linha de código para extrair todos os requisitos do projeto.
Executar o plano completo com ultrawork e deixar que o sistema trabalhe sozinho até o fim.
Combinar modelos pagos (Claude Opus, GPT-5.3 Codex) com modelos gratuitos (Big Pickle, GPT-5 Nano) conforme a complexidade de cada tarefa.
Ver como o sistema se autocorrige, testa o resultado localmente e chega a zero erros no console sem intervenção manual.
Alterar os modelos atribuídos a cada agente em tempo real a partir da configuração do projeto.

🧩 Estrutura do fluxo que seguimos⌗

O que é um Swarm — Diferença entre uma IA sozinha e uma equipe coordenada. A analogia do restaurante: chef, sommelier, confeiteiro e maître trabalhando em paralelo.

Swarm sequencial vs. paralelo — Como funciona o pipeline sequencial do opencode-swarm (explorador → SME → arquiteto → crítico → coder → reviewer → tests → docs) e por que o paralelo do omo é mais poderoso para projetos reais.

Por que OpenCode — Flexibilidade total de modelos: Claude, GPT, Gemini, modelos gratuitos do OpenCode Zen, tudo no mesmo fluxo sem ficar preso a nenhum provedor.

Instalação — Global com um comando de acordo com suas assinaturas. Como adicionar o plugin em nível de projeto se você não quiser que ele afete outros projetos.

Alterar os modelos de cada agente — Criar o arquivo de configuração .opencode/oh-my-opencode.jsonc e usar opencode models para ver exatamente os nomes disponíveis na sua instalação.

Os 3 modos de uso — ultrawork para velocidade máxima, Prometheus para projetos novos que precisam de entrevista prévia e linguagem natural direta para tarefas específicas.

Demo ao vivo: landing page completa — Do primeiro prompt até a web funcional localmente. O Prometheus faz a entrevista completa, coleta todas as informações, gera o plano por fases e o Sisyphus delega tudo aos agentes em paralelo.

Resultado final — Landing page com 10 seções, formulário de contato, blog, política de privacidade e zero erros no console. Tudo gerado com informação mínima e sem intervenção manual durante a execução.

🧠 Conselhos-chave que aprendemos⌗

O modo Prometheus + /start-work é a forma mais poderosa de trabalhar em projetos novos. A entrevista prévia faz toda a diferença na qualidade do resultado.
ultrawork é perfeito quando você já sabe claramente o que quer e prioriza velocidade em vez de precisão.
Use modelos pagos (Claude Opus, GPT Codex) para Sisyphus, Hephaestus e Prometheus. Use modelos gratuitos para Oracle, Librarian e Explore — a economia é significativa sem perda de qualidade.
Quando você ficar sem créditos de um provedor, pode trocar o modelo diretamente pela interface ou editando o arquivo de configuração. O sistema continua sem precisar reiniciar.
Depois que o ultrawork está ativo, você não precisa fazer nada. O

pena aprender agora * OpenCode com swarm oferece uma forma poderosa de construir projetos completos * a qualidade alcançada com pouca informação inicial já é muito boa * para projetos sérios, isso parece mais promissor do que fluxos tradicionais

Resumo final em uma frase⌗

Os swarms de IA são equipes de agentes especializados coordenados por um orquestrador, capazes de planejar, construir, revisar, testar e corrigir projetos quase de forma autônoma, sendo o OpenCode com oh-my-openagent uma das implementações mais interessantes para esse modelo.

8. Distribuição inteligente de tarefas⌗

O sistema decide automaticamente qual agente e qual modelo usar para cada tipo de tarefa.

Exemplos mencionados:

tarefas visuais vão para agentes de engenharia visual
pesquisa vai para agentes especializados em investigação
mudanças simples vão para agentes rápidos
lógica profunda e arquitetura vão para agentes mais potentes

Isso evita desperdício de tokens e melhora a eficiência.

9. Vantagem do paralelismo⌗

No swarm paralelo:

vários agentes trabalham ao mesmo tempo
cada um atua em uma “zona segura”
evita conflitos entre edições
acelera a construção do projeto
reduz o trabalho manual do usuário

Também foi citado um mecanismo de segurança: cada linha ou arquivo tem controle de integridade, e edições podem ser rejeitadas se o arquivo tiver mudado desde a última leitura, reduzindo corrupção e erros.

10. Instalação e configuração⌗

A instalação é relativamente simples.

Há duas formas:

global, afetando todos os projetos
local, apenas em um projeto específico

Também é possível:

definir os modelos por agente
trocar Claude por GPT, Gemini ou modelos gratuitos
ver os modelos disponíveis pelo comando do OpenCode

11. Mudança na forma de trabalhar no OpenCode⌗

Depois de instalar o plugin, o OpenCode deixa de funcionar apenas com o fluxo tradicional de:

plan
build

e passa a oferecer uma estrutura mais orientada a agentes, com:

planejador
executor
orquestrador
modos especiais de execução

12. Modos de uso apresentados⌗

Modo “ultrawork”⌗

Executa tudo automaticamente até o fim. É indicado para quando o objetivo já está muito claro.

Modo com Prometheus⌗

É o mais recomendado para projetos novos. Nesse modo, o sistema faz uma entrevista com o usuário antes de começar, levantando:

nome do projeto
idioma
público-alvo
estrutura da landing page
estilo visual
stack
seções
formulário
referências
conteúdo

Depois dessa coleta, ele monta um plano detalhado e começa a execução.

13. Exemplo prático: criação de uma landing page⌗

A simulacao prática foi a criação de uma landing page para uma consultoria de IA.

O processo foi:

o usuário dá uma instrução simples
o sistema entrevista o usuário
coleta requisitos
resume o escopo
gera um plano de implementação
ativa os agentes
constrói a página
revisa
testa
corrige erros
entrega uma versão funcional

A landing gerada incluiu:

hero section
serviços
processo
casos de sucesso
equipe
FAQ
blog/recursos
formulário
footer
links legais

14. O que mais impressionou no teste⌗

Segundo o apresentador, os pontos fortes foram:

a IA faz uma entrevista muito boa antes de executar
o sistema trabalha com bastante autonomia
os agentes se coordenam sozinhos
há autocorreção durante o processo
ele testa o que está construindo
revisa o formulário e outros elementos
continua até o fim sem depender do usuário

Ele destaca principalmente a sensação de “ligar e deixar trabalhando”.

15. Limitações percebidas⌗

Nem tudo foi perfeito. O principal ponto negativo citado foi:

não é tão rápido quanto parecia à primeira vista

Isso acontece porque:

os agentes se comunicam entre si
o orquestrador revisa o que foi feito
há checagens de qualidade
o sistema reexecuta partes para corrigir erros

Mesmo assim, o autor considera que a autonomia compensa.

16. Uso de modelos pagos e gratuitos⌗

Reforço que é possível:

usar somente modelos gratuitos
combinar pagos e gratuitos
mudar os modelos conforme a necessidade
continuar trabalhando mesmo quando um provedor atinge o limite, trocando o modelo

Na demonstração, como o limite do Claude foi atingido, o fluxo continuou com GPT/Codex.

17. Conclusão⌗

A mensagem principal é que o futuro do desenvolvimento com IA está indo para o modelo de equipes de agentes, não apenas um agente único.

O autor acredita que:

esse será o caminho dominante no “mundo agêntico”
vale muito a

Resumo geral⌗

O conceito de swarms de IA — ou enxames de agentes — como uma evolução do uso de um único agente para fazer tudo. Em vez de sobrecarregar uma única IA com planejamento, programação, revisão, testes e documentação, a proposta é usar múltiplos agentes especializados, coordenados por um agente orquestrador, para trabalhar juntos no mesmo projeto.

1. O que é um swarm⌗

Um swarm é um sistema em que vários agentes ou modelos de IA colaboram para atingir um objetivo comum. A ideia é parecida com uma equipe humana: cada membro faz uma parte específica do trabalho.

Exemplo dado:

um agente planeja
outro programa
outro revisa
outro testa
outro documenta

Isso melhora a qualidade e evita a sobrecarga de uma única IA.

2. Por que isso é melhor que usar um único agente⌗

Até agora, muita gente usava um só agente para tudo, o que gera:

saturação do contexto
perda de qualidade
limitação no resultado final

Com swarms:

o trabalho é dividido
cada agente faz melhor sua especialidade
o sistema se torna mais escalável
projetos maiores ficam mais viáveis

3. Diferença entre swarm sequencial e paralelo⌗

Swarm sequencial⌗

No modelo sequencial, cada agente trabalha um depois do outro. Exemplo de fluxo:

explorador analisa o projeto
especialista técnico adiciona contexto
arquiteto cria o plano
crítico revisa o plano
programador implementa
revisor revisa o código
testador executa testes
documentador registra tudo

Esse formato é organizado, mas mais lento.

Swarm paralelo⌗

No modelo paralelo, vários agentes trabalham ao mesmo tempo, cada um em sua área, sem interferir nos outros. O orquestrador centraliza tudo, distribui tarefas e depois junta os resultados.

Esse modelo faz mais sentido e é mais poderoso para projetos reais.

4. Papel do agente orquestrador⌗

O orquestrador é o cérebro da operação. Ele:

recebe a tarefa do usuário
entende o objetivo
cria o plano
escolhe quais subagentes ativar
distribui o trabalho
acompanha o progresso
pede correções quando necessário
só para quando o projeto termina

Ou seja, o usuário não precisa escolher manualmente cada agente o tempo todo.

5. Por que usar OpenCode⌗

O uso do OpenCode por dois motivos principais:

Flexibilidade de modelos⌗

Permite combinar modelos de vários ecossistemas, como:

OpenAI
Claude/Anthropic
Gemini
modelos gratuitos
modelos chineses e outros

Economia de custo⌗

Tarefas simples, como:

documentação
testes
varreduras rápidas podem ser executadas com modelos gratuitos ou baratos.

Tarefas mais complexas, como:

planejamento
arquitetura
execução principal podem usar modelos mais fortes.

A vantagem é não ficar preso a um único fornecedor.

6. Plugin destacado: oh-my-openagent / oh-my-opencode⌗

Como principal solução o plugin oh-my-openagent / oh-my-opencode, descrito como um dos mais fortes e populares para esse tipo de uso.

Ele se destaca por:

ser bastante usado
ter grande aceitação na comunidade
permitir uma estrutura multiagente robusta
automatizar grande parte do processo

7. Agentes citados no sistema⌗

O sistema apresentado usa um conjunto de agentes especializados:

Sisyphus: orquestrador principal
Hephaestus: executor/codificador principal
Prometheus: planejador estratégico
Oracle: debugging e arquitetura
Librarian: pesquisa de documentação e código
Explorer: leitura rápida do codebase
Multimodal agent: análise de imagens, mockups e elementos visuais

Cada um pode ser configurado com um modelo diferente.

Swarms (Enxames de Agentes) de IA para construir projetos completos

Até agora, muitos de vocês estavam a trabalhar com um único agente para fazer tudo: planear, programar, rever, documentar, testar... e, claro, isso acaba por saturar o sistema e limitar muito o resultado.

Como mudar completamente essa forma de trabalhar.

Vou ensinar-vos o que é realmente um swarm, como funciona um agente orquestrador que distribui tarefas entre subagentes especializados, e por que esta abordagem faz muito mais sentido quando querem construir coisas sérias.

Além disso, não ficamos só na teoria.

Montamos tudo no OpenCode com Oh My OpenCode, configuramos o sistema multiagente, vemos como combinar modelos da OpenAI, Claude, Gemini e até modelos gratuitos, e lançamos um projeto real para que a IA o construa praticamente sozinha.

O mais importante é que não estamos a falar de uma demo vazia.

Vão ver como o sistema vos faz uma entrevista para recolher contexto, cria um plano de implementação, delega tarefas entre agentes, executa em paralelo, revê, testa, corrige erros e vos deixa uma landing page funcional no final do processo.

E aqui está a verdadeira joia: não dependem de um único ecossistema nem de um único modelo. Podem usar o melhor modelo para cada tarefa e otimizar tanto o custo como o desempenho dentro do mesmo fluxo.

Isto abre uma enorme porta para qualquer camaleão que queira montar projetos mais ambiciosos sem ter de estar em cima da IA em cada passo.

A verdade, não é só sobre instalar um plugin. É sobre entender para onde todo o mundo agêntico se está a mover e como vocês podem aproveitar isso antes da maioria.

Swarms de IA — ou Enxames de Agentes

chatgpt.com ↗