Uma ferramenta open source de linha de comando criada no Brasil promete resolver um dos problemas mais frustrantes de quem desenvolve projetos com agentes de IA: a perda de contexto entre sessões. O Squidy Run, desenvolvido pelo especialista em SEO e desenvolvedor Marcos Tadeu sob a organização SearchOps, foi lançado em fevereiro de 2026, está disponível gratuitamente no PyPI e já acumula atenção crescente na comunidade dev nacional, com posts destacados no TabNews e documentação própria em squidy.run.
O problema que o Squidy Run resolve
Quem usa ferramentas como Claude Code, Cursor, Windsurf ou ChatGPT para desenvolver software conhece bem o cenário: você passa horas documentando decisões arquiteturais com o agente, fecha a janela, e na próxima sessão precisa recomeçar do zero. O modelo não se lembra das convenções de código combinadas, das decisões de arquitetura tomadas, nem do estado atual das tarefas.
Segundo Marcos Tadeu, criador do projeto, desenvolvedores chegam a gastar mais de 20 minutos re-explicando o contexto do projeto no início de cada nova sessão — tempo produtivo perdido com trabalho que já havia sido feito. “Cada sessão nova era um recomeço, com o agente ignorando decisões arquiteturais anteriores”, descreveu o autor ao anunciar o projeto no TabNews.
O que é o Squidy Run open source
O Squidy Run é uma CLI (Command Line Interface) escrita em Python que implementa o que Marcos Tadeu chama de Context Engineering Framework — uma camada de governança, auditoria e documentação automática para projetos desenvolvidos com agentes de IA. A versão atual é a 2.1.4, licenciada sob MIT, e funciona em Linux, macOS e Windows.
A proposta central é simples: em vez de depender de prompts ad hoc no início de cada conversa, o desenvolvedor configura uma estrutura de arquivos persistentes que o agente lê na inicialização da sessão. Esses arquivos funcionam como uma “memória institucional” do projeto — e crescem junto com ele.
Como funciona tecnicamente
O funcionamento é direto: após instalar o Squidy via pipx install squidy, o desenvolvedor executa squidy init no diretório do projeto. Uma entrevista interativa conduzida por IA (via OpenAI GPT-4o-mini ou Anthropic Claude 3) faz de 5 a 6 perguntas sobre o projeto em linguagem natural. Com base nas respostas, a ferramenta gera automaticamente 10 arquivos de governança em Markdown e YAML:
- readme-agent.md — instruções de boot para o agente de IA
- AGENT.md — diretrizes operacionais específicas por LLM
- constituicao.md — princípios do projeto, proibições e Definition of Done
- oraculo.md — Architectural Decision Records (ADRs), registro de todas as decisões arquiteturais
- kanban.md — quadro de tarefas com IDs sequenciais e critérios de aceitação
- emergencia.md — log de bloqueadores críticos
- contexto-sessao.md — estado atual do projeto, tarefas concluídas e próximos passos
- politicas.md — convenções de código e padrões de nomenclatura
- indice-diario.md — índice consolidado do diário de desenvolvimento
- diario/ — entradas datadas com decisões e resultados de cada sessão
A stack técnica inclui Typer para a CLI, Rich para a interface no terminal, Pydantic v2 para validação e Jinja2 para os templates. O projeto não tem dependências de runtime além dos arquivos gerados — não há servidor, banco de dados ou processo em background.
Context Engineering versus Prompt Engineering
O Squidy Run aposta em um conceito que vai além do prompt engineering tradicional. Enquanto a engenharia de prompts se concentra em formular instruções eficazes para uma única conversa, o context engineering — abordagem central do Squidy — cria estruturas persistentes que atravessam múltiplas sessões e múltiplos agentes.
Na prática, o arquivo oraculo.md acumula ADRs (Architectural Decision Records) à medida que decisões arquiteturais são tomadas. O diário registra o que aconteceu e por quê em cada sessão. E o contexto-sessao.md é atualizado ao final de cada sessão para que a próxima comece exatamente de onde a última parou — sem re-explicações.
Por que é relevante para developers brasileiros
O Squidy Run tem suporte nativo ao português brasileiro, com interface e documentação gerada em PT-BR por padrão (além de inglês). Para equipes e desenvolvedores solo que adotaram fluxos de trabalho com agentes de IA — tendência que cresce rapidamente no Brasil —, a ferramenta endereça um gargalo real de produtividade.
O projeto é compatível com os principais agentes usados no mercado: Claude (Anthropic), GPT-4 (OpenAI), Gemini (Google) e Cursor. Por usar apenas Markdown e YAML, os arquivos gerados funcionam em qualquer repositório git e com qualquer LLM que leia texto — garantindo que nenhum investimento em documentação fique preso a um fornecedor específico.
Como começar a usar e contribuir
O requisito mínimo é Python 3.9+ e uma chave de API da OpenAI ou da Anthropic. A instalação via pipx é a recomendada para isolamento de ambiente:
pipx install squidy
squidy initA documentação completa está em docs.squidy.run, com guias de Quickstart, referência de comandos e conceitos de governança. O repositório no GitHub (github.com/seomarc/squidyrun) está aberto a contribuições — o projeto já conta com suite de testes em pytest (10/10 passando) e usa Black para formatação de código. Com 20 stars e 4 forks, o projeto ainda está em fase inicial de adoção, mas com base sólida para crescimento.
Quem está por trás do projeto
O Squidy Run foi criado por Marcos Tadeu, especialista em SEO e desenvolvedor brasileiro, sob a organização SearchOps. O projeto nasceu da necessidade prática do próprio autor ao trabalhar em projetos com agentes de IA — uma origem common no ecossistema open source, onde a melhor ferramenta é aquela que o próprio criador precisava e não encontrou pronta.
O anúncio no TabNews, publicado em 26 de fevereiro de 2026, recebeu 15 TabCoins de upvote e gerou discussões sobre o problema de “Context Rot” — a degradação progressiva da qualidade do contexto quando a janela de contexto do modelo fica muito grande. A comunidade apontou potencial para variantes de documentação mais compactas como evolução natural do projeto.
Proximos passos e roadmap
O projeto está em versão 2.1.4, indicando desenvolvimento ativo desde o lançamento inicial. As áreas em desenvolvimento identificadas incluem internacionalização ativa (PT-BR e EN-US), sistema de auditoria com validação estrutural do projeto e suporte expandido a provedores de IA. A comunidade, via feedback no TabNews e GitHub, sinalizou interesse em variantes de documentação mais compactas para mitigar o problema de Context Rot em projetos maiores.
Por ser open source sob MIT, qualquer desenvolvedor pode contribuir com templates de governança para stacks específicas (Next.js, Django, FastAPI, etc.), adaptar para outros idiomas ou propor melhorias no sistema de auditoria.
Conclusão: um projeto brasileiro para a era dos agentes de IA
O Squidy Run chega em um momento em que o desenvolvimento assistido por IA deixa de ser novidade e passa a ser parte do fluxo de trabalho diário de times de tecnologia. O problema da perda de contexto é real, documentado e afeta diretamente a produtividade — e o Squidy oferece uma solução pragmática, sem vendor lock-in e com suporte nativo ao português.
Para a comunidade dev brasileira, além de ser uma ferramenta útil imediatamente, o projeto representa uma oportunidade de contribuir com um open source nacional em uma área de alta relevância. Vale explorar o repositório, testar no seu próximo projeto com agentes de IA e, se fizer sentido, abrir uma issue ou um pull request.
Perguntas frequentes sobre o Squidy Run
O que e o Squidy Run?
Squidy Run e uma CLI open source em Python que gera automaticamente uma estrutura de governanca com 10 arquivos de documentacao para projetos desenvolvidos com agentes de IA como Claude, GPT-4 e Cursor. O objetivo e manter o contexto do projeto persistente entre sessoes, eliminando a necessidade de re-explicar decisoes arquiteturais ao agente a cada nova conversa.
O Squidy Run e gratuito?
Sim. O Squidy Run e totalmente gratuito e open source, licenciado sob MIT. A unica exigencia de custo e uma chave de API da OpenAI ou da Anthropic para a entrevista inicial de configuracao do projeto. Apos essa etapa, os arquivos gerados funcionam sem nenhuma dependencia de API.
Quais agentes de IA sao compativeis com o Squidy Run?
O Squidy Run e compativel com Claude (Anthropic), GPT-4 (OpenAI), Gemini (Google) e Cursor. Por usar exclusivamente arquivos Markdown e YAML, a ferramenta funciona com qualquer LLM capaz de ler e seguir instrucoes em texto — sem lock-in de fornecedor.
Como instalar o Squidy Run?
A instalacao requer Python 3.9 ou superior. O metodo recomendado e via pipx: execute pipx install squidy no terminal, depois squidy init no diretorio do seu projeto. A documentacao completa esta em docs.squidy.run.
O que e context engineering, conceito usado pelo Squidy Run?
Context engineering e uma abordagem de desenvolvimento com IA que vai alem do prompt engineering. Em vez de formular instrucoes eficazes para uma unica conversa, o context engineering cria estruturas de informacao persistentes — como constituicoes de projeto, registros de decisoes arquiteturais e quadros Kanban — que o agente carrega em todas as sessoes, garantindo continuidade e rastreabilidade ao longo de todo o ciclo de vida do projeto.
Deixe um comentário