Sumário
Por que criar
O que mudou no mundo da informação — e por que os caminhos que você já conhece param no meio.
O que você vai ver (e levar)
Este material acompanha uma aula de 1 hora. Ele não é um resumo de ferramenta nem uma lista de prompts mágicos: é uma metodologia de pensamento, pesquisa e produção que já gerou dois cursos completos e reais — um sobre clones digitais com IA, outro sobre pão sem glúten de fermentação natural. Dois temas que não têm nada a ver um com o outro, de propósito: o método é o mesmo.
O porquê
O que mudou (e o que a ciência da aprendizagem diz sobre por que estrutura vale mais que acesso).
O método
Os cinco passos: escopo, pesquisa, extração de método, artefato, documento vivo — com os erros reais no caminho.
Os limites
Quando comprar curso ainda ganha — e a receita para você começar hoje.
Um curso que você pode reler, navegar e consultar depois vale mais do que slides que morrem com a apresentação — e este material foi produzido exatamente com a metodologia que ele ensina (pesquisa em fontes verificadas, 73 vídeos do YouTube varridos e triados por IA, comentários minerados, documentos de projeto). Ele é, ao mesmo tempo, o conteúdo e a demonstração.
A informação empacotada morreu
Durante vinte anos, o produto "curso online" vendeu principalmente uma coisa: informação organizada num pacote. Em 2025 esse produto quebrou de forma visível — e os números contam a história melhor que qualquer opinião.
Chegg
A gigante de "respostas para estudantes" caiu de US$ 14,7 bilhões de valor de mercado para cerca de US$ 115 milhões. Em outubro de 2025 cortou 45% da equipe apontando explicitamente a IA como causa. Perdeu mais de 500 mil assinantes desde o lançamento do ChatGPT.
Tutoria no chat
Cerca de 10% de todas as mensagens do ChatGPT já são tutoria/educação (paper NBER w34255, set/2025, 1,1 milhão de mensagens analisadas). Em meados de 2025, com semanas de diferença, OpenAI, Google e Anthropic lançaram seus "modos de estudo" — aprender com IA virou feature de série.
MOOCs
Em 12,67 milhões de matrículas de MOOCs de MIT/Harvard, só 3,13% concluíram (Reich & Ruipérez-Valiente, Science, 2019). Entre quem pagou pelo certificado, 46% concluíram. O gargalo nunca foi acesso ao conteúdo — é estrutura e compromisso.
Se informação empacotada perdeu valor, o que sobrou de valioso num curso são as outras camadas: a seleção do que estudar (e do que ignorar), a sequência em que estudar, os porquês por trás de cada regra e o método validado de quem já fez. A boa notícia: as três primeiras camadas a IA constrói muito bem — se você tiver método. A quarta tem limites honestos, tratados na Seção 12.
O que a comunidade já faz — e onde cada caminho para
Antes de propor um método novo, o mapa do que já existe. Para preparar esta aula, 73 vídeos do YouTube (PT e EN) foram varridos e triados por IA; 15 finalistas tiveram as transcrições lidas e os comentários minerados. O padrão é claro: todo mundo já sabe pedir um currículo ao ChatGPT — quase ninguém tem processo.
| Caminho | O que entrega | Onde para | Custo (jul/2026) |
|---|---|---|---|
| Chat / modos tutor Study Mode, Guided Learning, Learning Mode | Tutoria socrática sob demanda, quizzes pontuais | Efêmero: a aula morre no scroll. Sem trilha, sem artefato. | grátis–US$ 20/mês |
| Deep Research | Relatório denso com fontes | Documento único, sem sequência didática nem porquês pedagógicos | incluído nos planos |
| NotebookLM | Podcast, flashcards, quiz a partir das SUAS fontes | Preso às fontes que você deu; não pesquisa sozinho; sem currículo progressivo | grátis / AI Pro |
| Geradores de curso Coursebox, CourseAI etc. | "Curso" com módulos e quiz em minutos | A própria indústria apelidou o resultado de AI slop: memorização, sem progressão, genérico | US$ 25–100+/mês |
| Curso pago | Método validado, comunidade, feedback | Calibrado para um aluno médio que não é você (Seção 04) | R$ 197–9.500 |
Da triagem dos vídeos, o que todo mundo já ensina (a camada commodity): prompt de currículo por módulos com Pareto 20/80, técnica de Feynman com o chat, IA como tutor que testa, NotebookLM como canivete, repetição espaçada. Tudo útil — e nada disso vira um curso.
Cada conversa nova recomeça do zero, a qualidade depende do seu humor naquele dia, e nada fica registrado de forma navegável. Um curso é o oposto: decisões acumuladas, verificadas e organizadas numa sequência que outra pessoa (inclusive o seu eu de daqui a seis meses) consegue percorrer. A diferença entre os dois não é a ferramenta — é o processo.
A ciência
Dois achados da ciência da aprendizagem que justificam — e ameaçam — o curso auto-criado.
Por que estrutura vale mais que conteúdo
A ciência da aprendizagem acumula décadas de evidência sobre uma coisa: o gargalo do aprendizado humano não é acesso à informação — é a memória de trabalho, que segura cerca de quatro elementos novos por vez (Teoria da Carga Cognitiva, Sweller, 1988). Todo o valor de um bom curso está em gerenciar esse gargalo.
Kirschner, Sweller e Clark (2006) mostraram que instrução guiada supera exploração livre para quem está começando: sem esquemas prévios na memória de longo prazo, explorar sem guia consome a memória de trabalho sem gerar aprendizado. (Há debate acadêmico sobre os limites disso — descoberta bem andaimada também funciona —, mas o consenso prático permanece: quanto menos você sabe, mais a estrutura importa.) Mas o mesmo corpo de pesquisa traz o detalhe que muda tudo para esta aula:
Um curso comprado é calibrado para um aluno médio que não existe. Um curso construído por você, com IA, é calibrado por definição para o seu nível: pula o que você já sabe, aprofunda onde você trava, usa analogias do seu repertório. Para uma comunidade experiente — que sofre mais com o expertise reversal, não menos — o ganho é maior ainda. Regra: ao gerar qualquer material, declare à IA o que você já domina; o que ela corta importa tanto quanto o que ela inclui.
O ranking clássico de técnicas de estudo (Dunlosky et al., 2013, revisão de dez técnicas) completa o quadro: as de alta utilidade são auto-teste e prática espaçada; as de utilidade moderada incluem perguntar "por que isso é verdade?" (interrogação elaborativa) e auto-explicação; e as favoritas de todo mundo — reler, sublinhar, resumir — ficam no fundo da lista. Guarde esse ranking: ele vira critério de design na Seção 10.
A armadilha da fluência
Aqui mora o risco central — e contraintuitivo — de criar cursos com IA. Koriat e Bjork (2005) demonstraram a "ilusão de competência": quando o material está claro e disponível diante de você, o cérebro interpreta fluência de leitura como domínio. Mas fluência ao ler não prediz capacidade de recuperar depois.
Duas frases de praticantes, vindas dos comentários mais curtidos dos vídeos triados (relatos de comunidade, não estudos): "o mapa mental gerado pela IA é o caderno de outra pessoa" e "ler um livro por resumo de IA é viajar de férias pelo Street View". A comunidade sente na pele o que o laboratório mediu.
O generation effect (Slamecka & Graf, 1978 — um dos efeitos mais replicados da literatura de memória) mostra que o que você gera fixa mais do que o que você lê. E aí está a divisão de trabalho correta: o processo de criar o curso — decidir a estrutura, formular as perguntas, escolher o que entra — já é a técnica de estudo. Se a IA gera tudo e você só lê, você está do lado errado do experimento. Regra: a IA pesquisa, organiza e critica; você decide, estrutura e explica. IA como andaime, nunca como ghostwriter.
O método
Cinco passos que separam "resposta de chat" de "curso confiável" — com os erros reais cometidos no caminho.
Os cinco passos em uma tela
O método inteiro cabe numa linha: escopo → pesquisa → extração → artefato → vida. Juntos, os passos fecham as lacunas da Seção 03. As seções seguintes detalham um por um.
Escopo
Público (você), transformação, profundidade e uma tese em uma linha.
Pesquisa
Vários ângulos em paralelo; todo número rastreia até uma fonte datada.
Extração
Transcrições de aulas públicas, triagem, comentários — o "método do professor" minerado com ética.
Artefato
Um documento único navegável, com o porquê de cada regra e teste embutido.
Vida
O curso evolui em rodadas documentadas — com as defesas contra a degradação.
Cada passo protege o seguinte. Sem escopo, a pesquisa vira dispersão; sem pesquisa verificada, o artefato herda alucinações; sem artefato, o conhecimento morre no chat; sem processo de vida, o curso apodrece na primeira expansão. O método não é uma lista de dicas — é uma corrente em que cada elo segura o próximo.
Passo 1 — Escopo e tese antes de pesquisa
O erro número um de quem pede um curso à IA: aceitar o primeiro currículo que ela devolve. O output parece lógico — módulos bem nomeados, progressão plausível — mas "parecer lógico" não é "ser a organização mais significativa para você". Antes de qualquer pesquisa, quatro perguntas.
| Pergunta | O que define | Exemplo real (curso de pão) |
|---|---|---|
| Qual o recorte? | Tema + ângulo + o que fica de fora | Pão sem glúten de fermentação natural — não panificação geral |
| Para quem? | Seu nível real e contexto (declare o que já domina) | Quem já faz pão comum e quer migrar |
| Qual a transformação? | O que você faz ao terminar que não fazia antes | Assar um pão de miolo aberto sem glúten, sem receita na mão |
| Qual a tese? | A linha editorial inegociável, em uma frase | "Fermento natural, linha artesanal sem ovos" |
A tese é o filtro de tudo que entra depois. Quando (não "se") você encontrar conteúdo bom que contradiz a linha do curso — uma receita incrível que usa outro fermento, uma ferramenta que quebra sua regra de custo — a tese decide: entra como bônus sinalizado, ou não entra. Sem tese declarada, o curso vira colcha de retalhos na terceira expansão. Regra: escreva a tese antes da primeira pesquisa e cole-a no topo do documento de projeto.
Passo 2 — Pesquisa larga e verificada
Um curso não se constrói com uma pergunta. Se constrói decompondo o tema em ângulos — panorama, ferramentas, preços, casos reais, armadilhas, aspectos legais — e pesquisando os ângulos em paralelo, cada um a fundo. Deep research é o começo disso, não o fim.
O fluxo
- Decomponha o tema em 4–8 ângulos e rode uma pesquisa profunda por ângulo (em paralelo, se sua ferramenta permitir).
- Todo número (preço, estatística, prazo) exige fonte com URL e data. Sem fonte, não entra.
- Registre os achados brutos num log de pesquisa — a bibliografia viva do curso.
- Destile o não-óbvio: o que um leigo não acharia sozinho é o valor do curso.
Os erros que aconteceram de verdade
- Num dos cursos, um guia de terceiros "ensinava" configurações de uma ferramenta (engine, sliders) que não existiam na interface real — só a verificação contra a fonte oficial pegou.
- Um número de saúde ("50–85% de redução") viveu meses no outro curso sem fonte; na auditoria, a literatura real dizia outra faixa, com ressalvas importantes.
- Nos comentários minerados: relato de LLM que citou um paper inteiro… inexistente. "Trate a checagem como feature, não como bug."
Um número falso não fica parado: ele vira referência cruzada, entra em tabelas, se espalha. Meses depois, arrancá-lo custa uma auditoria inteira. A regra de rastreabilidade — cada número do curso aponta para uma linha do log de pesquisa — transforma a verificação de esforço heroico em rotina barata. Regra: data em tudo; preços e recursos expiram, e o curso deve avisar "verifique o site oficial".
Passo 3 — Extrair o método dos praticantes
A objeção mais honesta ao curso auto-criado: "um bom professor tem um método que me poupa horas — e eu não tenho esse método". A resposta não é fingir que a IA inventa métodos. É reconhecer onde os métodos estão: nos vídeos, aulas abertas e fóruns dos praticantes — e minerá-los com processo.
Nada disso é manual. Quem varre, transcreve, lê e filtra é a IA — você decide e valida. Três níveis de automação, do zero-instalação ao agente completo:
Sem instalar nada
O NotebookLM aceita link de vídeo do YouTube como fonte — cole 5-10 aulas públicas e pergunte pelo método. O Gemini analisa um link de YouTube direto no prompt. E todo vídeo tem o botão "mostrar transcrição": copie e cole no chat que você já usa, com o Prompt A abaixo.
Com um agente de IA
Agentes que executam comandos fazem o lote inteiro com a ferramenta gratuita yt-dlp: varrem dezenas de candidatos (só metadados), baixam legendas e os comentários mais curtidos, leem e pontuam tudo — você recebe a tabela pronta. É o Prompt B abaixo, numa única instrução.
Skills públicas
A comunidade empacota partes disso como skills/plugins abertos — ex.: a skill watch (projeto claude-video, no GitHub), que baixa o vídeo, extrai frames e transcript e deixa a IA "assistir" tela + fala. Instalar uma skill é colar um processo pronto no seu agente — guarde essa ideia para o fim da aula.
O fluxo de mineração (usado para preparar esta própria aula, no nível B):
| Etapa | Como (com IA) | Por quê |
|---|---|---|
| 1 · Varrer largo | O agente busca dezenas de candidatos em PT e EN via yt-dlp — só metadados (título, canal, views, duração), sem baixar nada | O melhor vídeo do tema raramente é o primeiro resultado da sua busca manual |
| 2 · Triar por transcrição | A IA baixa e lê as legendas dos finalistas e pontua cada um: método concreto? densidade? praticante fazendo ou entusiasta opinando? | Transcrição custa segundos de máquina; assistir 15 vídeos custa um dia seu |
| 3 · Assistir só os vencedores | Análise completa (tela + fala — nível C, ou você mesmo) apenas onde o visual ensina: técnica manual, interface, demonstração | Na aula de um chef, a transcrição não mostra o ponto da massa — a tela sim |
| 4 · Minerar os comentários | A IA puxa os ~50-100 comentários mais curtidos por vídeo (o yt-dlp exporta com a contagem de likes) e filtra os técnicos: correções, variações testadas, armadilhas | 99% é ruído, mas o 1% carrega a experiência de outros praticantes — o filtro é o like da comunidade |
| 5 · Triangular e atribuir | Você pede o confronto: onde os praticantes divergem entre si e do consenso da pesquisa web? Divergência entra como "método do fulano", apontada | Copiar afirmação frouxa como fato destrói a confiança do curso inteiro |
Prompt A · extrair o método de UMA aula (cole a transcrição em qualquer chat)
"Esta é a transcrição de uma aula pública de [praticante] sobre [tema]. 1) Extraia o método dele em passos numerados, incluindo o porquê que ele dá para cada passo — e marque 'porquê não explicado' onde ele só manda fazer. 2) Liste todo número, tempo ou proporção que ele crava. 3) Aponte onde ele diverge do que é consenso no tema. 4) Diga o que só dá para aprender VENDO o vídeo, para eu decidir se assisto."
Prompt B · a varredura inteira (para um agente que executa comandos)
"Use o yt-dlp para buscar os ~30 vídeos mais relevantes sobre [tema] em português e inglês (só metadados, não baixe nenhum vídeo). Descarte os curtos demais e clickbait. Dos 10 melhores, baixe só as legendas e os 50 comentários mais curtidos de cada. Leia tudo e me devolva: (a) uma tabela com nota 0-10 por vídeo — método concreto, densidade, praticante vs entusiasta; (b) os métodos extraídos passo a passo, com os porquês; (c) os comentários que trazem correção, variação testada ou armadilha, com autor e likes; (d) o que todos ensinam igual vs o que só um cobre."
O vídeo traz o método de um praticante; os comentários mais curtidos trazem o atrito desse método com a realidade de centenas. É feedback de campo grátis. A condição: comentário é relato anedótico — entra no curso como "praticantes relatam…", nunca como fato cravado sem segunda fonte. Regra: like alto seleciona relevância, não verdade.
Passo 4 — O artefato com porquês
O que separa um curso de uma conversa é o artefato: um documento único, navegável, que sobrevive à sessão de chat. Mas não basta ser bonito — a Seção 05 mostrou que bonito e fluente é justamente o perigo. O artefato precisa ser projetado contra a ilusão de competência.
Porquês em tudo
Toda regra vem com a causa por trás ("asse até 96 °C internos porque o miolo sem glúten termina de estruturar por gelatinização"). Gerar e ler porquês integra o novo ao que você já sabe — técnica de utilidade comprovada no ranking de Dunlosky.
Teste embutido
Auto-teste é uma das duas técnicas de alta utilidade da literatura (com a prática espaçada). Peça quiz antes de estudar cada parte (priming) e depois dela; agende revisões espaçadas (1-3-7-30 dias). Um artefato sem teste é só leitura — o fundo do ranking.
Decisões, não ferramentas
Organize pelo caminho de decisão do aluno ("qual fermento usar?" antes de "como usar o fermento X"). Ferramentas mudam de preço e morrem; decisões permanecem. Uma seção-mapa no início deixa escolher antes de aprofundar.
Permanência com evolução: um arquivo que abre em qualquer navegador, com sumário, âncoras e busca, pode ser relido, corrigido e expandido — e compartilhado com uma URL. O chat morre no scroll; o PDF congela; os slides só funcionam com você falando por cima. O artefato é a memória de longo prazo do projeto. Regra: o formato importa menos que as propriedades — navegável, versionável, autossuficiente.
Passo 5 — Documento vivo (e o que degrada)
O curso nunca está pronto — está numa versão. Você vai encontrar uma aula nova, um comentário revelador, uma correção. Cada achado entra numa rodada de expansão. E aqui vem a lição mais cara deste método, aprendida na prática: expansões desorganizam. Os dois cursos reais degradaram exatamente assim — e foram auditados em julho de 2026.
| O que degradou (casos reais) | A defesa que virou regra |
|---|---|
| Uma receita nova entrou contradizendo a tese do curso (outro fermento, ingrediente banido pela linha editorial) — sem nenhum aviso ao leitor | Guardião da tese: todo conteúdo novo é checado contra a tese; desvio entra com aviso explícito de "bônus fora da linha", nunca em silêncio |
| Os documentos de projeto ficaram para trás ("20 seções" quando o curso tinha 22) — e a expansão seguinte leria o mapa errado | Checklist de fechamento: a rodada só termina quando documento de projeto e curso batem (idealmente com verificação automática) |
| Texto vindo de um vídeo referenciava "a receita já usada no curso" — que não existia (o autor do vídeo se referia a outro vídeo dele) | Caça a referências-fantasma: conteúdo destilado de fonte externa é varrido atrás de ponteiros para coisas que não vieram junto |
| Duas seções diziam custos mínimos incompatíveis (US$ 6 numa, US$ 29 noutra) após um pivô editorial incompleto | Rodada de consolidação: a cada ~3 expansões, uma rodada só de coerência — de preferência com uma IA cética instruída a "listar toda contradição e todo número sem fonte" |
Quem escreveu o texto relê o que quis dizer, não o que está escrito — revisão do próprio texto é o pior par de olhos possível. Uma segunda IA, instruída apenas a refutar ("liste contradições, números órfãos, referências quebradas"), não tem apego ao texto e trabalha barato. Nos dois cursos reais, a auditoria cética achou problemas que dezenas de releituras não tinham visto. Regra: quem escreve não audita; peça a auditoria a uma sessão nova, com papel de cético.
Honestidade
O método tem limites. Conhecê-los é parte do método.
Quando comprar curso ainda ganha
Se esta aula terminasse em "nunca mais compre um curso", seria hype — e hype é o que este método existe para combater. Três limites são estruturais, não defeitos de ferramenta.
Conhecimento tácito
O ponto exato da massa, o instinto do diagnóstico, a mão do artesão — nunca foram escritos. E o que nunca foi escrito não está no corpus de nenhum modelo. Vídeo de praticante captura um pedaço; convivência e prática supervisionada capturam o resto.
Feedback de verdade
Habilidade se constrói com prática no limite da capacidade e feedback imediato de quem enxerga o seu erro — tipicamente um coach. A IA dá algum feedback (mais que um livro jamais deu), mas não vê sua mão na massa nem seu código em produção com olhos de especialista. (Estudos posteriores moderam o peso exato da prática deliberada na expertise — não a necessidade do feedback.)
Compromisso e tribo
Pagantes concluem MOOCs a 46% vs 3% dos gratuitos — skin in the game funciona. Comunidade, prazo, cohort e a "terça-feira difícil" em que alguém segura você: a análise de Danny Iny (ago/2025) estima que é aqui que a IA menos morde: 15–30% de disrupção no accountability e 10–20% na conexão humana, contra 60% na informação crua.
| Crie o seu (com este método) | Compre o do professor | |
|---|---|---|
| Conhecimento explícito e mapeável (panoramas, comparativos, decisões de ferramenta, teoria) | ✅ Imbatível: sob medida, verificado, custo marginal ~zero em dinheiro (o investimento real é seu tempo) | Paga-se caro por informação que expira rápido |
| Habilidade motora/tácita (ponto de massa, técnica de câmera, cirurgia…) | ⚠️ Mapeia o terreno e acelera; não substitui prática com feedback | ✅ Se incluir prática supervisionada e correção |
| Método proprietário validado (o professor testou em centenas de alunos) | ⚠️ Você minera métodos públicos e triangula — bom, mas não validado em escala | ✅ Se o método for real e o professor, praticante |
| Accountability e comunidade | ❌ Você por sua conta (agende revisões, projetos, prazos próprios) | ✅ O que de fato se compra em 2026 |
| Custo (jul/2026) | Assinatura que você já tem: ~R$ 100–130/mês | R$ 197 a R$ 9.500 por curso no Brasil |
Saber o que o curso auto-criado não cobre transforma a decisão de compra: você para de comprar curso por causa da informação (que agora produz melhor sozinho) e passa a comprar — quando comprar — por feedback, prática supervisionada, método validado e comunidade. Compra menos, compra melhor, e chega ao curso pago já com o terreno mapeado. Regra: crie primeiro o seu; se depois faltar o tácito, compre acesso a quem o tem — e aproveite muito mais.
Mão na massa
A receita para começar hoje, em qualquer chat de IA.
A receita replicável
Cinco blocos de prompt — um por passo do método. Funcionam em qualquer assistente atual (ChatGPT, Claude, Gemini); em ferramentas com agentes e pesquisa profunda, funcionam melhor ainda. Copie, adapte os colchetes, e rode na ordem.
Bloco 1 · Escopo e tese
"Quero construir um curso pessoal sobre [tema]. Antes de qualquer conteúdo, me entreviste: faça as perguntas necessárias para definir recorte, meu nível atual (vou listar o que já domino), a transformação que quero e o que fica FORA do escopo. Ao final, escreva um documento de projeto com: tese do curso em 1 linha, público (eu), objetivo e decisões de escopo."
Guarde esse documento. Ele abre toda sessão futura — é a memória do projeto.
Bloco 2 · Currículo + crítica adversarial
"Com base no documento de projeto, proponha a estrutura do curso em partes e seções, organizada pelas DECISÕES que preciso tomar (não por ferramentas). Depois, mude de papel: como revisor cético, critique sua própria estrutura — o que está faltando que eu não saberia pedir? O que um especialista no assunto diria que está na ordem errada? Reescreva a estrutura incorporando a crítica."
Nunca aceite o primeiro currículo: a crítica adversarial é a defesa contra os "unknown unknowns".
Bloco 3 · Pesquisa verificada (por seção)
"Pesquise a fundo a seção [N] por estes ângulos: [panorama / opções e preços / armadilhas / casos reais]. Regras: todo número com fonte e data; marque o que é fato verificado vs opinião de praticante; liste o que você NÃO conseguiu verificar. Ao final, destile: o que alguém de fora não descobriria sozinho?"
Para minerar praticantes: cole transcrições de aulas públicas do YouTube e peça "extraia o método passo a passo, aponte onde ele diverge do consenso" — e leia os comentários mais curtidos atrás de correções e armadilhas (como relato, não como fato).
Bloco 4 · Artefato com porquês
"Escreva a seção como material de curso: toda regra/passo com o PORQUÊ por trás; inclua onde eu posso me confundir; termine com um quiz de 5 perguntas SEM as respostas visíveis (respostas no final do documento). Formato: um documento único navegável [HTML/Markdown] que vou manter e expandir."
Antes de estudar cada seção, peça o quiz primeiro (priming). Agende revisões: releia se testando em 1, 3, 7 e 30 dias. E apresente a seção em voz alta pedindo à IA o papel de "aluno chato".
Bloco 5 · Rodada de expansão (quando achar conteúdo novo)
"Rodada de expansão: aqui está o documento de projeto e o material novo [transcrição/artigo/anotações]. 1) Isso contradiz a tese ou algo já escrito? Onde? 2) Proponha ONDE entra (seção existente ou nova) antes de escrever. 3) Integre. 4) Como revisor cético, releia o curso e liste: contradições entre seções, números sem fonte, referências a coisas que não existem no curso. 5) Atualize o documento de projeto."
A cada ~3 expansões, rode só o item 4 no curso inteiro, numa sessão nova. É o que mantém o curso confiável depois do décimo achado incorporado.
Qual cérebro para qual etapa (economia de tokens)
Se a sua assinatura oferece mais de um modelo, não use o mais caro para tudo. O princípio: trabalho de volume pede modelo rápido e barato; trabalho de julgamento pede o melhor modelo que você tiver. O julgamento consome poucos tokens e define o curso inteiro; o volume consome muitos e é mecânico.
| Etapa | Natureza | Tier de modelo | Exemplos (jul/2026) |
|---|---|---|---|
| Bloco 1 · entrevista/escopo | conversa curta | intermediário basta | Sonnet · GPT-5 · Gemini Pro |
| Bloco 3 · pesquisa e triagem de transcrições | volume mecânico | rápido/barato | Haiku · GPT mini · Gemini Flash |
| Bloco 2 · estrutura + crítica adversarial | julgamento de alto impacto | o melhor disponível | Opus/Fable · GPT-5 alto raciocínio · Gemini Ultra |
| Bloco 4 · escrever o material | volume + qualidade de escrita | intermediário; topo se a didática for o diferencial | Sonnet/Opus |
| Bloco 5 · revisor cético da expansão | julgamento (achar contradição exige raciocínio) | o melhor disponível, em sessão nova | Opus/Fable |
Porque o valor não está em nenhum prompt individual — todos os cinco existem, espalhados, nos vídeos da comunidade. O valor está no encadeamento com memória: cada bloco produz um documento que alimenta o seguinte, e o conjunto sobrevive a qualquer sessão de chat. Prompt é commodity; processo é método. Primeiro passo hoje: escolha um tema que você adiaria comprar um curso para aprender — e rode o Bloco 1. Vinte minutos.