AI-Native SDLC Playbook (Claude Academy)
Definition
AI-Native SDLC Playbook é o curso oficial da Claude Academy (Anthropic) que transforma o ciclo de vida de desenvolvimento de software com agentes de IA. A tese central: organizações já usam IA para escrever código em velocidade impensável há um ano, mas os processos ao redor do código (planejamento, revisão, teste, deploy) não acompanharam o ritmo — e são eles que se tornam o gargalo. O curso tem 14 lições (~1 hr), organizadas em 6 estágios, e é voltado a leads de engenharia, plataforma e segurança em empresas grandes, especialmente reguladas.
Key Points
- O gargalo migra, não desaparece. Uma vez que agentes escrevem a maior parte do código, planning, review, testing e deployment continuam em velocidade humana — e passam a limitar o throughput.
- Estágio 1 — Plan (intent.md). Capturar a ideia como
intent.md: arquivo curto, versionado, que declara o que se quer, por quê e sob quais restrições. - Estágio 2 — Design. Transformar o intent em requirements e design spec em uma única sessão de trabalho com Claude.
- Estágio 3 — Build. Plan mode como ponto de partida padrão;
CLAUDE.mdcomo conhecimento institucional versionado e legível por máquina; skills como conhecimento institucional; sessões paralelas e subagents. - Estágio 4 — Test. Dar a Claude um feedback loop; evals contínuos em CI.
- Estágio 5 — Deploy. IA no loop de revisão de PR; hooks como gates de aprovação (governança aplicada enquanto o agente age); integração CI/CD.
- Estágio 6 — Maintain. Fechar o loop com métricas: faixas de controle violadas são escritas de volta como um novo
intent.md, reiniciando o ciclo. - Pré-requisitos. Conforto com Claude Code no dia a dia, repositório Git e pipeline de CI que se possa alterar; cada play nomeia seus próprios pré-requisitos.
Implications
Para o founder/PM não-técnico, o curso formaliza o que o vídeo walkthrough de Boris Cherny descreve de forma menos estruturada (ai-native-sdlc): a cadeia intent.md → requirements/design → plan → build → test → deploy → maintain, com CLAUDE.md e skills como memória institucional versionada. A distinção útil: hooks são gates de aprovação durante a ação do agente (não depois), e o loop de métricas regenera intent.md automaticamente — governança contínua, não revisão pontual. Complementa plan-first-com-agentes-de-ia (o plano como contrato) e ciclo-issue-branch-pr-merge (o loop de entrega que ganha revisão por IA e hooks).
Open Questions
- O snapshot captura a página de visão geral/TOC; as 14 lições individuais (
/courses/ai-native-sdlc-playbook/<slug>) não foram capturadas — conteúdo detalhado por lição permanece não observado. - Best practices do Applied AI team da Anthropic são single-source; não há métricas independentes de ganho de throughput nesta fonte.
- O curso assume que a organização já usa Claude Code e pode mudar CI/governança — aplicabilidade fora desse contexto não é abordada.
Related Concepts
- ai-native-sdlc — walkthrough em vídeo do mesmo playbook (Boris Cherny, 14 lições); esta página é a versão oficial do curso
- plan-first-com-agentes-de-ia — modo Planner/Executor; o plan mode padrão do Estágio 3
- ciclo-issue-branch-pr-merge — loop de entrega que ganha revisão por IA e hooks como gates
- agents-md-como-instrucao-operacional — AGENTS.md/CLAUDE.md como comando executável e conhecimento versionado
- vibe-coding — o universo geral; o playbook é a versão institucional do ciclo com agentes
- self-healing-agent — o loop de métricas que regenera intent é auto-recuperação aplicada ao SDLC
- non-technical-founder — persona que delega o ciclo a agentes e consome os gates