Como a gente produz material rico com IA, do contexto do cliente até a página publicada com PDF gerado. As fases, os gates e os prompts são os mesmos em qualquer ferramenta. Esta página traduz cada um para Claude, ChatGPT e Gemini, com os campos prontos para copiar.
Contexto alimenta conteúdo, e conteúdo alimenta forma. Cada losango é um gate, que é um ponto de aprovação humana: a fase seguinte só começa depois que ele passa. Clique em uma fase para abrir o detalhe.
Por isso o método começa montando contexto e termina com uma pessoa lapidando o texto à mão. Nada no meio substitui essas duas pontas.
Um modelo sem este contexto escreveria este parágrafo? Se sim, está errado. Este bloco, recortado e mandado no WhatsApp, é útil sozinho para a persona? Se não, está errado.
Veio como diretriz da TOTVS e ficou como padrão da casa. Vírgula, dois-pontos, ponto ou parênteses. Vale para o conteúdo, para os prompts e para os comentários do código. No fim você busca pelo caractere, e a busca tem que voltar zero.
Ela tem o código. O humano codificou o mundo em palavras, deu nome para tudo, e entregou essas palavras para ela. O que ela não tem é o resto: o olhar, a leitura do clima de uma sala, a inteligência cultural e emocional, e o fato de que o cliente pediu ontem para nunca mais aparecer a palavra "nove" em nenhum conteúdo. Isso continua sendo nosso e não se delega.
IA como meio, não como fim.
A IA não é a validadora oficial. Ela lembra, sugere e aponta o que faltou. Quem aprova é gente.
Se você só fizer bem esta parte, já muda o resultado. Monte o contexto antes da primeira pergunta ao modelo, e nomeie do jeito padrão desde o começo.
É empurrar leitura. O modelo gasta janela de contexto lendo tudo, lê mal e demora. O que funciona é um arquivo compilado: um documento único, organizado por temas, com tudo que a gente sabe daquele cliente. Gasta menos token, responde mais rápido e com mais acuracidade, e cabe em qualquer plataforma, inclusive nas que têm teto de upload.
Compilar não é resumir. Reunião é bagunçada por natureza, e o trabalho aqui é organizar o que foi dito em blocos certos, não cortar. A instrução vai explícita no prompt: não enxugue, não resuma em excesso, mantenha os blocos importantes.
Markdown é um arquivo de texto puro. Não tem cor, não tem imagem, não tem formatação pesada. Abre no Google Docs normalmente, mas pesa muito menos que um .doc, consome menos token e é lido mais rápido por qualquer modelo.
No Google Docs: Arquivo > Fazer download > Markdown (.md).
Todo arquivo de contexto e todo entregável de texto: compilado, diagnóstico, briefing, dossiê e cada versão do material.
O que o cliente quer, para quem, com qual objetivo de conversão, em que momento do funil. Planejamento, kick-off, cronograma, apresentações de fase. No Orbit: CONTEUDO_V4.md e os PDFs de fase do START 2026.
Sem ele o modelo escreve genérico, porque não sabe o que está em jogo.
Manual da marca, tokens de CSS, DS em HTML, fontes, assets aprovados, regras inegociáveis. No Orbit: o repositório totvs-project-2026-main, com tokens.css e totvscolors.css como fontes primárias.
Ele só entra em cena em F8, mas precisa estar no projeto desde F0, para que as notas de design que aparecem lá no F5 já falem a língua do DS.
Transcrições de reunião, versões anteriores do material (inclusive as ruins), a crítica de quem pediu para refazer, dados próprios de performance, referências do cliente que já funcionaram.
É o que dá tom e evita repetir o que já foi descartado. Cuidado do bloco C: nem tudo que o cliente fala numa reunião pode ir para o time. Quem está no CS ou no GP tira a parte de desabafo antes de salvar. Mas a reunião entra.
Drive > {{cliente}}/ └── 00-contexto/ ├── contexto_v3_2026-09-10.md ← o compilado, versão vigente ├── planejamento/ ← bloco A ├── design-system/ ← bloco B └── historico/ ← bloco C
00-contexto fica na raiz da pasta do cliente. Zero zero para ficar sempre no topo. Todo mundo sabe que, abrindo a pasta do cliente, ela está lá.Arquivo aberto tem que estar no Drive. Se a arte aberta está no Figma, isso precisa estar escrito onde quem for procurar encontra. Hoje a gente perde tempo demais caçando a pessoa que fez.
{{cliente}}-{{material}}/ ├── 00-contexto/ │ ├── INSTRUCOES_DO_PROJETO.md ← P0, cola no container │ ├── contexto_vN_AAAA-MM-DD.md ← o compilado do cliente │ └── planejamento/ design-system/ historico/ ├── 01-diagnostico/ │ └── F1_DIAGNOSTICO_E_ESTRUTURA.md ├── 02-briefing/ │ └── F2_BRIEFING_POR_BLOCO.md ├── 03-dados-proprios/ │ └── F3_REGRAS_DE_CHAMADA.md ├── 04-pesquisa/ │ └── F4_DOSSIE.md ← dado com fonte e URL ├── 05-texto/ │ ├── F5_MATERIAL_v1.md │ ├── F6_MATERIAL_v2..vN.md ← uma versão por rodada │ └── F7_MATERIAL_FINAL_DIAGRAMACAO.md ← lapidação humana ├── 06-implementacao/ │ ├── F8_DIRECIONAMENTO_HTML.md │ ├── template/ ← HTML sem texto │ └── F9_PROMPT_HANDOFF_CODIGO.md └── 07-publicacao/ ├── site/ ├── pdf/ ├── exemplos/ └── LEIA-ME.md
Todo container de contexto (Projeto no Claude, Projeto no ChatGPT, Gem no Gemini) aceita um texto de instruções permanentes. Ele cobre: quem é o cliente, quem é a persona, o objetivo do material, as regras editoriais fixas, as regras do DS que afetam texto, o que o modelo nunca deve fazer e o formato padrão de saída.
A regra que separa arquivo de instrução: fato vai em arquivo, comportamento vai em instrução.
Pergunte ao container: "Resuma em dez linhas quem é o cliente, quem é a persona, o que este material precisa fazer e quais regras você não pode quebrar."
Leia a resposta em voz alta. Marque cada linha como certa, errada ou faltando. Para cada linha errada ou faltando, a pergunta é sempre a mesma: falta arquivo ou falta instrução? O que não vale é ensinar o fato na instrução. Corrija e rode de novo antes de seguir.
Um para material rico, um para carrossel, um para reels, um para artigo institucional, um para artigo educacional. O arquivo de contexto do cliente entra em todos, e cada container ganha a instrução do seu formato.
O motivo é prático. No container de carrossel dá para colocar: trabalho em AIDA, atenção, interesse, desejo e ação, sempre com CTA no fim, mais um material base explicando como aplicar AIDA em carrossel e que tipos de call to action funcionam para aquele público. Isso não cabe num container que faz tudo. Quanto mais específico, mais ele se profissionaliza.
Toda IA tem um limite de memória por conversa. Quando a conversa chega perto desse limite, ela se perde: mistura assuntos, esquece o que foi combinado, inventa. É a alucinação.
Se você entope o container de instruções e formatos diferentes na largada, ela já começa a conversa com boa parte da janela ocupada. Rende menos e enlouquece mais rápido.
Se a conversa já está longa e ela começou a alucinar, não adianta mandar mais pergunta. Uma saída que funciona é editar um prompt anterior e pedir de novo a partir dali.
| O quê | Quem | Quando |
|---|---|---|
| Subir transcrições e trocas com o cliente | CS e GP | Em tempo real, conforme acontece |
| Rodar o compilado e atualizar o container | Conteúdo, ou quem for pegar a demanda | Antes de começar qualquer produção |
| Design system do cliente | Renata, com os designers masters por cliente | Conforme a planilha, com data da última atualização |
| Organização das pastas e o cronograma de implantação | Maju | Em construção |
| Levar o processo para os CS e GPs | Rafa | Em construção |
Enquanto a base está sendo enriquecida. Depois, semanal, quinzenal ou mensal conforme o cliente. Mensal serve para a maioria. Cliente de dinâmica mais volátil pede semanal.
Primeira etapa de qualquer trabalho: rodar e atualizar o contexto. Depois desenvolver.
Quando o cliente traz uma questão pontual de uma demanda específica, a ata precisa marcar isso como pontual, e não como direcionamento geral. Senão o modelo aplica em tudo. A marcação [PONTUAL] já está dentro do prompt do compilado.
Cada fase traz objetivo, o que entra, o que sai, o gate, o prompt correspondente e o que deu errado quando o gate não existia. Nenhum erro aqui é hipótese, todos aconteceram.
humano
Os três blocos de contexto. Se o cliente tem repositório de DS, ele inteiro. Se existe material anterior ruim, ele também.
Container criado, P0 colado, arquivos na árvore padrão.
"Resuma em dez linhas quem é o cliente, a persona, o que o material precisa fazer e quais regras você não pode quebrar."
O projeto TOTVS já tinha planejamento e kick-off. Os repositórios do CONARH (ferramenta reaproveitada) e do DS entraram depois. A pasta do computador foi conectada à sessão para ler tokens, fontes e renders direto da origem.
O DS entrou só em F8. Resultado: a primeira versão do template usou cores derivadas e hexágonos desenhados em SVG, dois erros contra o manual.
humano + IA · prompt P1
Material existente, briefing original, persona, e a crítica humana escrita antes, em tópicos, sem abrir a ferramenta. Vale também para material do zero: no lugar do diagnóstico entra o briefing do cliente.
F1_DIAGNOSTICO_E_ESTRUTURA.md: diagnóstico em uma página, blocos com assuntos e gancho, chamada forte preliminar.
O leitor da persona ganha algo ao terminar cada bloco? Existe argumento para quem aprova orçamento? Um LLM genérico produziria esta estrutura?
A crítica veio em quatro pontos: nada útil para o DP; nenhum argumento para o gestor; o Gemini faria igual; medo trabalhista é dor de CFO e CEO, não do CHRO, que está afogado em operação. Viraram os critérios do diagnóstico.
"Critique este material" sem os seus critérios devolve uma crítica educada e inútil. A crítica humana vem antes, e você diz ao modelo que ela é o critério e não é para suavizar. E não peça o material aqui, peça só a estrutura: quem vai direto para o conteúdo dá ruim.
IA, aprova humano · prompt P2
F1 aprovado, persona, regras editoriais fixas.
Por bloco: objetivo, assuntos, tese, exemplo de parágrafo no tom, dados (temos / a pesquisar), formato, o que não pode fazer, teste de aceite. Mais a lista consolidada "a pesquisar", que vira a pauta de F4.
Aprovação leve. Você lê só os exemplos de tom e diz "é isso" ou "não é isso". Corrigir frase é trabalho de F6, não aqui.
BRIEFING_MR_PONTO_ELETRONICO_V2.md. O item 7 listou o que precisava de pesquisa e virou a pauta de F4.
humano + IA · prompt P3
Assunto de e-mail com abertura e leitura, título com CTR, headline com conversão, título de webinar com inscrição. Sai da RD Station do cliente, do CRM, do blog, das páginas mais acessadas. Sem nada disso, dá para olhar os termos mais buscados em ferramenta de SEO.
F3_REGRAS_DE_CHAMADA.md: regras com os números que as sustentam e vinte chamadas candidatas classificadas por regra.
Regra que a própria amostra contradiz não entra.
Oito assuntos, leitura bimodal (6% a 14% contra 57% a 78%), correlação inversa entre abertura e leitura. Regras: veredito sobre o leitor em vez de descrição; nenhuma pergunta com porta de saída; alavanca do "ainda"; o experimento natural da NR-1 (7,0% contra 74,1% para o mesmo tema).
A primeira regra foi "afirmação bate pergunta". O item 8 da amostra era pergunta e teve 74,1%. Refeita como "porta de saída".
IA, verifica humano · prompt P4
Lista "a pesquisar" de F2. Restrição comum: sem entrevistas, só fontes públicas.
F4_DOSSIE.md mais a tabela de dados descartados com motivo, para ninguém reintroduzir.
Cada dado que vai para o material foi aberto por uma pessoa, na fonte original. 100% dos dados de capa, título e caixas de destaque. Pelo menos um por seção no resto. E a pergunta que derruba frase sem lastro: "de que URL você puxou isso?"
Sem pesquisa primária, a decisão editorial foi pedir ao leitor os números dele (calculadora com premissas abertas), e o dado público entra para calibrar, não para afirmar. Blocos datados (PEC 221/2019) ganharam dono e data de revisão.
IA sob o briefing · prompt P5
F2, F3, F4 verificado, P0. Só chega aqui quem tem os três prontos. Se existe ativo reaproveitável (app, calculadora, quiz), entra como referência da ferramenta de diagnóstico.
F5_MATERIAL_v1.md com seção "Notas de produção" no fim: validações pendentes, blocos datados, decisões abertas.
Leitura integral por uma pessoa, com os dois testes e a regra do portanto. Por seção: mantém, refaz ou corta. Não corrija frase aqui.
14 seções, régua de cinco níveis com a mecânica do app do CONARH (dez perguntas, escala 1 a 5, cortes 20/30/37/44) para reaproveitar código em F9. Duas decisões que valem para tudo: referência por nome de seção, nunca por página; nota de design junto do texto.
É o termo que o pessoal de tecnologia usa para a zona de segurança que você escreve no prompt: não saia daqui, não invente nada, trabalhe com o contexto que você tem, e se não souber, pergunte ou pesquise.
"Quatro níveis" quando eram cinco, e "Nível 2 e 3" onde o material usa nomes. Erro de consistência de texto longo, que entrou no checklist de F6.
Uma rodada, um foco. Cada rodada gera uma versão nova (v2, v3, v4). Quando alguma coisa regride, a versão anterior é o único jeito de recuperar.
A pessoa responsável diz "chegou no tom". Depois disso as rodadas são de diretriz e formato, não de tom.
Um script de renumeração de páginas quebrou referências e colapsou notas de design. Mudança transversal em texto longo pede diff lido por pessoa, não busca-e-substitui cega.
humano · apoio opcional P7
F7_MATERIAL_FINAL_DIAGRAMACAO.md. Fonte de verdade daqui em diante. Nenhuma mudança de texto acontece no HTML sem voltar a este arquivo.
Duas leituras. Uma de quem lapidou, em voz alta. Outra de alguém que não participou, só com o teste do print.
Foi esta fase que fez o material da TOTVS não ter cara de IA. Depois dela, ainda passou pelo time de conteúdo, que revisou de novo.
Bloco B (DS), F7 (para saber que componentes existem), e o pedido de comportamento: sidebar, barra de leitura, boxes, gráficos, botão fixo de PDF gerado.
F8_DIRECIONAMENTO_HTML.md em sete partes; template/index.html relativo ao DS e preview.html autocontido.
Aprovação em print em 390, 768, 1024, 1440 e 1920. No Orbit, dois prints mostraram os bugs que viraram pauta de F9, com causa já diagnosticada no CSS.
Cores só de totvscolors.css mais --azul-alt; hexágono só dos 16 renders oficiais; títulos em caixa-baixa peso 300; paleta de dados validada com script de contraste sobre a superfície real: roxo, azul-alt, laranja (2,18:1, exige rótulo direto) e rosa. Verde e limão reprovam como marca de dado.
Três erros por o modelo "completar" o DS: cores derivadas, hexágono vetorial, títulos em peso 800. E o HTML enviado sem os assets abriu sem CSS: por isso o template sai nas duas formas.
humano escreve IA executa · prompt P9
Repo do DS aberto na pasta do agente, F7, F8, prints dos bugs, pipeline de PDF reaproveitável.
Código no repositório e PDFs de exemplo (em branco e preenchido).
O checklist de aceite do próprio prompt, item a item, com prints nas cinco larguras e os dois PDFs abertos.
tokens.css compartilhado)data-title-case)Por que a causa vem diagnosticada: um agente com o bug descrito só pelo sintoma corrige onde é mais fácil, e o mais fácil seria editar o CSS compartilhado do DS.
humano + IA · prompt P10
07-publicacao/ com site/, pdf/, exemplos/ e LEIA-ME.md.
Alguém que não participou lê o LEIA-ME e responde: "consigo subir isso sem perguntar nada?" Cada pergunta vira parágrafo do LEIA-ME.
O LEIA-ME diz o que subir e onde, por que as fontes aparecem duas vezes, a única dependência externa (JetBrains Mono no Google Fonts) e o que acontece sem ela, a dependência a instalar, a checagem pós-subida em seis itens e os dois ajustes pendentes (botão de enviar o checklist por e-mail, que depende do HubSpot; caixa dos títulos, com a instrução de uma linha para testar).
O processo não muda. Muda onde o contexto mora, como os arquivos entram, o que a plataforma faz sozinha e qual agente de código recebe o handoff. Limites conferidos em 09/09/2026, e vale reconferir nas páginas oficiais de tempos em tempos, porque muda toda hora.
Todo mundo tem, é conta Layer, dá para compartilhar o Gem com o time com permissão de edição, igual a um doc. Conecta direto nas pastas do Drive e tem o Gemini Notebook, que aguenta um volume de fontes que os outros não aguentam. Para trabalho coletivo, é a melhor opção que a gente tem hoje. A pesquisa dele também é boa e vem com fonte.
Escreve melhor. Dá para usar na conta free: você baixa o compilado que fez no Gemini, sobe lá junto com o briefing e a pesquisa, e pede primeiro a estrutura, depois o material. A conta free tem limite de uso, mas resolve bastante coisa.
É o que o time de design está usando, por custo e por eficiência. Gerar um DS no Claude consome uma fatia grande dos créditos, e o Codex entende bem a estrutura de um design system.
Sem log de uso por pessoa, a gente não consegue auditar nem limitar. Os casos de mercado são feios: a Microsoft mandou os engenheiros pararem porque o custo saiu do controle, a Nvidia admitiu que sem governança o custo de IA pode passar o custo de gente, e a Uber queimou o orçamento anual em quatro meses, com usuários consumindo de 500 a 2.000 dólares cada.
O caminho que está sendo construído é uma plataforma própria, com login por pessoa e registro de uso, plugando os modelos por API. Aí sim dá para distribuir acesso sabendo quem usou, para quê e quanto.
Arquivos e instruções visíveis no chat, no Cowork e no Claude Code. Memória do usuário e do projeto entre sessões.
Docs do projeto (Markdown, PDF, imagens). Em conversas no Cowork, a pasta do computador é conectada e o repositório do DS é lido inteiro, direto da origem.
Terminal, VS Code, JetBrains e web. Arquivo de instruções do repositório: CLAUDE.md.
| Fase | Como fazer no Claude |
|---|---|
| F0 | Criar Projeto, colar P0, subir os blocos A e C; conectar a pasta do DS quando for usar o Cowork |
| F1, F2 | Conversa dentro do Projeto |
| F3 | Enviar as imagens dos dados na conversa |
| F4 | Web search na conversa, com P4 exigindo URL e trecho literal |
| F5, F6 | Conversa longa no Projeto; pedir o material como arquivo .md a cada versão |
| F7 | Fora do LLM |
| F8 | Cowork com a pasta do DS conectada; validação de paleta por script |
| F9 | Claude Code com a pasta aberta e P9 colado; CLAUDE.md na raiz com as regras da marca |
| F10 | Conversa no Projeto ou no Claude Code, lendo a pasta final |
Instruções de cerca de 8.000 caracteres, memória restrita ao projeto quando ativada. Alternativa: GPT personalizado com as mesmas instruções.
5 no Free, 25 no Plus, 40 no Pro, Team e Enterprise. Sem conexão de pasta no chat: o DS entra compactado ou só pelos arquivos-chave, ou vai direto para o Codex com o repositório.
CLI e nuvem. Arquivo de instruções do repositório: AGENTS.md.
| Fase | Como fazer no ChatGPT |
|---|---|
| F0 | Criar Projeto, colar P0; escolher os 25 ou 40 arquivos que mais importam (planejamento, versões anteriores, dados próprios; o DS entra só em F8 e pode ser trocado de lugar) |
| F1, F2 | Conversa dentro do Projeto |
| F3 | Enviar as imagens; pedir a tabela transcrita antes da análise, para conferir a leitura dos números |
| F4 | Modo de pesquisa aprofundada com P4; depois uma segunda conversa só para "abra cada URL e confirme o número" |
| F5, F6 | Conversa longa; pedir no Canvas ou como arquivo; a cada rodada, baixar a versão e subir de volta no projeto com o número novo |
| F7 | Fora do LLM |
| F8 | Subir tokens.css, cores oficiais, páginas do manual e uma amostra dos assets; validação de paleta pelo interpretador de código |
| F9 | Codex com o repositório e P9; AGENTS.md na raiz com as regras da marca |
| F10 | Conversa no Projeto com a árvore final colada |
O Gem guarda instruções e arquivos de conhecimento. Para volume grande de fontes, um Gemini Notebook (antes NotebookLM) paralelo, usado como fonte dentro do app: 50 fontes no plano padrão, 300 no Pro, cada uma até 500 mil palavras.
No chat, subir tokens.css, cores oficiais e páginas do manual. Para o repositório inteiro, usar o Antigravity IDE ou CLI com a pasta aberta.
Substituiu o Gemini CLI em junho de 2026. Arquivo de instruções: GEMINI.md, herdado do Gemini CLI. Confirme na documentação da versão atual antes de rodar.
| Fase | Como fazer no Gemini |
|---|---|
| F0 | Criar Gem com P0 e os arquivos de A e C; criar um Notebook paralelo com todas as fontes e apontar o Gem para ele quando a pergunta for de contexto profundo |
| F1, F2 | Conversa com o Gem |
| F3 | Enviar as imagens; pedir a tabela transcrita antes da análise |
| F4 | Pesquisa no chat com P4 e, separadamente, subir os PDFs e páginas encontradas no Notebook para extrair o trecho literal com citação |
| F5, F6 | Conversa longa; pedir como arquivo; salvar as versões fora do chat do mesmo jeito |
| F7 | Fora do LLM |
| F8 | Subir os arquivos-chave do DS; validação por execução de código; ou fazer F8 direto no Antigravity IDE com o repositório aberto |
| F9 | Antigravity CLI ou IDE com o repositório e P9; arquivo de instruções na raiz com as regras da marca |
| F10 | Conversa com o Gem com a árvore final colada |
Você só consegue compartilhar um Gem com alguém que já tem acesso à pasta do Drive que alimenta aquele Gem. É segurança do próprio Google. Se a pessoa não vê a pasta, o compartilhamento não resolve.
Sempre pedir "entregue como arquivo Markdown para download, não como texto no chat", com o nome do arquivo. Sem isso, resposta longa é truncada ou dividida.
Na pesquisa, além da URL, peça o trecho literal entre aspas. Onde não conseguir abrir, o modelo escreve "não consegui abrir" em vez de completar. O erro do Orbit apareceu justamente quando um subagente resumiu sem abrir.
A instrução vai no P0 e é repetida no fim de cada prompt de produção. No ChatGPT e no Gemini o hábito é mais forte, então a busca pelo caractere no fim é obrigatória.
Em F8, com todas as letras: se uma cor, um peso ou um asset não estiver nos arquivos que eu enviei, não invente, pergunte. Foi o erro mais caro do Orbit e acontece em qualquer modelo.
| Agente | Arquivo na raiz do repositório | Observação |
|---|---|---|
| Claude Code | CLAUDE.md | Lido automaticamente; pode ter versões por subpasta |
| Codex | AGENTS.md | Padrão aberto, lido também por outros agentes |
| Antigravity | GEMINI.md ou o nome que a versão atual pedir | Conferir na documentação qual arquivo ele lê antes de rodar |
Para não manter três arquivos: escreva um AGENTS.md com as regras da marca e a ordem de leitura, e faça os outros dois apenas apontarem para ele ("Leia AGENTS.md e siga tudo que está lá").
Funcionam em qualquer plataforma. Preencha os campos marcados e o botão copia o prompt já com os seus valores. Campo que ficar vazio aparece marcado no texto, para você completar na conversa.
Marque enquanto lê a seção ou o template. O contador fica só nesta aba do navegador; para guardar, imprima ou copie o resultado.
Dois números do TST, um case de outro assunto, uma edição de pesquisa inexistente, uma frase sem fonte. Nenhum parecia falso. Gate 2 e a pergunta "de que URL você puxou?".
Cores derivadas, hexágono vetorial, peso errado. O modelo preenche lacuna com o que acha razoável; o manual não permite razoável. Bloco B desde F0 e "se não está nos arquivos, pergunte".
"Afirmação bate pergunta" caiu com o item de 74,1% de leitura. Regra só entra se a amostra não a contradiz.
Script de renumeração quebrou referências. Diff lido por pessoa, e referência por nome de seção.
"Quatro níveis" quando eram cinco. Conferência de nomes e contagens ao fim de F5 e de cada rodada.
HTML com caminhos relativos abriu sem CSS. Template sempre nas duas formas, relativa e autocontida.
Margem e sidebar quebradas. Diagnosticar a causa no CSS antes do handoff e dizer ao agente onde não mexer.
Frases bonitas que não passavam no teste do print. Cena com dia, pessoa e canal; lapidação humana obrigatória.
Duas horas com o time, mostrando o método rodando em cliente real. O vídeo está no Drive da Layer. Se o player aparecer vazio, use o botão de abrir no Drive.
É o Google ainda convertendo o arquivo, que é grande. Abra no Drive para conferir a mensagem. Quando a conversão termina, o player passa a funcionar aqui dentro sem precisar mexer em nada.
Clique em um capítulo para copiar o horário. O player do Drive não aceita salto por link, então arraste a barra até o ponto copiado. Quem só precisa da parte de contexto tem os quatro primeiros blocos.