Projetos, Skills, Apps e arquivos editáveis no Work
Instruções permanentes, memória isolada do projeto, a diferença entre Skill, Plugin e App, e por que planilha com fórmula viva muda o resultado.
Resumo da aula
- Amarrando o fio. O Projeto guarda arquivo, conversa e instrução permanente, e é a instrução permanente que faz o entregável sair no padrão da casa.
- A memória apenas do projeto fecha a porta da sala antes do primeiro arquivo.
- A Skill dá o seu método e termina no arquivo salvo. O Plugin instala o conjunto.
- E o App liga tudo ao mundo lá fora, com permissão mínima.
- Tudo isso desemboca em arquivo editável, que transforma a entrega em rascunho avançado.
Neste artigo
- As três camadas de um Projeto
- Instruções permanentes
- O Work partindo de dentro do Projeto
- Quando a lembrança vira contaminação
- Memória apenas do projeto
- A Skill dá o seu método, não informação nova
- Plugin: a receita e o livro de receitas
- A permissão mínima de cada App
- Capacidade empresarial sem programar a integração
- Os arquivos que voltam abertos
- Sites: páginas e aplicativos leves
O artigo é lido por partes. Use os botões abaixo para avançar — a aula em vídeo e a apresentação estão no curso, e o método completo, no livro.
Perguntas frequentes
O que um Projeto guarda e por que usar o Work dentro dele?
Um Projeto guarda três coisas: os arquivos daquele assunto, as conversas que já aconteceram ali e as instruções permanentes, as regras escritas uma vez que valem para todas as conversas. Quando o Work começa dentro do Projeto, você para de reexplicar o básico e o trabalho de hoje conhece o de ontem: decisões, caminhos descartados e formato aprovado continuam valendo. Para assunto confidencial, ative a memória apenas do projeto, que isola o que acontece ali dentro.
Qual a diferença entre Skill, Plugin e App?
A Skill é o seu método escrito para a máquina executar, um procedimento operacional padrão: que dado extrair, como calcular, onde salvar. Ela não acrescenta informação, acrescenta o seu jeito de fazer. O Plugin é o livro de receitas com os utensílios inclusos: reúne vários fluxos de trabalho e os recursos de que eles precisam. O App conecta um serviço externo, como agenda ou e-mail. Dê a cada App a permissão mínima e teste uma semana só em leitura antes de liberar ação.
Os arquivos que o Work entrega podem ser editados?
Sim. O arquivo chega no formato original do programa, aberto para alteração: documento de texto com títulos, tabelas e listas; planilha no formato do Excel com as fórmulas funcionando de verdade; apresentação no formato do PowerPoint com os slides separados. Não é imagem nem PDF travado. O Work também cria sites: páginas e aplicativos leves, como uma calculadora de orçamento ou um painel de números, bons para usar como protótipo antes de encomendar um sistema.
Ir direto para outra aula
- 1 O ecossistema do ChatGPT: Chat, Work e Codexcom videoaula
- 2 Prompts que funcionam: função, regras e contextocom videoaula
- 3 Tokens, janela de contexto e o documento de calibraçãocom videoaula
- 4 Projetos, Canvas e Skills: o conhecimento organizadocom videoaula
- 5 MCP, APIs e webhooks: a IA fora da janela de chatcom videoaula
- 6 Make, n8n e a governança das conexões
- 7 GPTs, Skills e os agentes de cada área da empresa
- 8 Codex: programar conversando, com Git por baixo
- 9 Instalação do Codex e a chave que não pode vazar
- 10 Comandos do Codex e o AGENTS.md do projeto
- 11 Mudanças pequenas, diff revisado e integração de sistemas
- 12 Atendimento por WhatsApp: Cloud API, templates e aprovação humana
- 13 Direct do Instagram: contexto do story e pontuação de leads
- 14 Instagram no Make: CRM, transferência humana e painel
- 15 ChatGPT Work: do objetivo ao entregável
- 16 Projetos, Skills, Apps e arquivos editáveis no Work
- 17 Tarefas agendadas, workspaces e vibe working
- 18 Empresas operadas por IA: hotelaria, direito, imobiliário e marketing
- 19 As Skills que valem instalar e os repositórios confiáveis
- 20 Laço agêntico, coleta de dados e memória do ChatGPT
- 21 As plataformas de IA e as cinco superfícies do ChatGPT
- 22 AI Operator e empresas AI-native: o próximo passo