As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Melhores práticas para criar e avaliar agentes de uso de computadores Um agente de uso do computador funciona em um loop: ele olha para a tela, age e olha novamente. As práticas a seguir ajudam você a criar agentes que concluam tarefas de forma confiável, em menos etapas e com menor custo. Eles se aplicam a todos os fluxos de trabalho e famílias de modelos. Os resultados variam de acordo com seu fluxo de trabalho, modelo, solicitações e ambiente, portanto, avalie cada alteração em suas próprias tarefas. ## Projete o ciclo de ação A maior parte do esforço de um agente se concentra em ler a tela e digitar, não em se mover entre janelas. Reduza os erros de leitura e o número de etapas antes de ajustar a navegação. + **Dê ao agente texto em vez de pixels**. Ler valores exatos, como nomes, endereços de e-mail e números de contas, em uma captura de tela é uma fonte comum de erros. Quando os dados tiverem uma cópia de texto, forneça-a por meio de uma ferramenta. Para valores em tabelas ou colunas, faça com que o agente também visualize a imagem, pois uma camada de texto pode misturar colunas. + **Coloque a instrução antes da captura de tela**. Quando o agente precisar encontrar e clicar em algo, coloque a instrução à frente da imagem na solicitação, para que ele saiba o que procurar. + **Comece a partir de um layout conhecido**. Maximize cada aplicativo com um atalho de teclado antes que o agente trabalhe nele. Um layout consistente torna os fluxos repetidos mais previsíveis e reduz a rolagem. + **Prefiro o teclado**. Use atalhos de teclado para rolar, maximizar janelas e abrir menus, especialmente para controles pequenos ou difíceis de pressionar. Os atalhos não dependem da localização de um controle na tela. + **Confirme cada ação**. Um aplicativo que está ocupado pode ignorar um pressionamento de tecla. Espere um pouco após cada ação, mantenha algumas capturas de tela recentes à vista e faça com que o agente repita uma ação que não teve efeito. + **Use o Tab somente onde for seguro**. A tecla Tab funciona bem em campos de texto sem formatação. Clique nos campos em que o aplicativo reage quando um campo perde o foco, como campos com preenchimento automático, menus suspensos ou selecionadores de data. + **Switch, não reinicie**. Para alternar entre aplicativos em execução, use a barra de tarefas ou o alternador de aplicativos. A reinicialização de um aplicativo adiciona etapas. + **Localize os controles na tela atual**. As coordenadas copiadas de uma tela anterior ficam obsoletas quando uma janela se move. Use coordenadas fixas somente em um layout fixo e maximizado. + **Detecte ações que não mudam nada**. Quando duas ações seguidas deixarem a tela inalterada, faça com que o agente mude a abordagem. Limite a rolagem repetida, para que uma execução não gaste seu orçamento de etapas em uma ação. + **Ações em lote com cuidado**. Um lote mostra ao agente somente a tela após sua última ação, então finalize um lote na única tela que o agente precisa ler. Meça se o processamento em lotes economiza tempo em todo o seu fluxo de trabalho antes de confiar nele. Retorne erros de lote somente como texto, pois alguns modelos rejeitam um resultado de erro que inclui uma imagem. ## Adapte-se à família de modelos As famílias de modelos operam um desktop de forma diferente. Crie o ciclo de agentes uma vez e adapte a habilidade e as configurações para cada família. Uma habilidade ajustada para uma família geralmente precisa de correções antes de funcionar com outra. + **Envie uma nova captura de tela após cada alteração**. Alguns modelos continuam atuando em uma captura de tela antiga sem sinalizar um problema. Anexe uma nova captura de tela após cada ação que altera a tela. + **Manipule as coordenadas explicitamente**. Alguns modelos relatam coordenadas de pixels e outros relatam coordenadas em uma grade normalizada que você deve converter em pixels. Indique o tamanho da tela e o intervalo de coordenadas válido no prompt e verifique se cada clique está dentro da tela. + **Dimensione as capturas de tela do modelo**. Combine a resolução da captura de tela com o limite de imagem do modelo. Se você reduzir a escala de uma captura de tela, redimensione novamente as coordenadas do modelo antes de clicar. + **Limpe os campos antes de digitar**. Em alguns modelos, a digitação é anexada a um campo em vez de substituir seu valor. Focalize o campo, selecione tudo, exclua, digite uma vez e leia o valor novamente. + **Controle chamadas paralelas de ferramentas**. Se um modelo enviar várias ações em uma mensagem, independentemente do prompt, desative as chamadas de ferramentas paralelas no cliente. Execute ações em lote em ordem e pare na primeira falha. + **Por padrão, mantenha o esforço de raciocínio baixo**. Tarefas simples geralmente são bem-sucedidas com pouco esforço, e um esforço maior aumenta o custo sem melhorar a precisão. Aumente o esforço para tarefas ramificadas ou com várias etapas. + **Combine o comprimento do prompt com o modelo**. Modelos mais fortes podem funcionar a partir de uma meta curta. Adicione regras somente quando um modelo precisar delas e reduza o prompt à medida que os modelos melhoram. + **Continue raciocinando entre os turnos**. Se você chamar um modelo de raciocínio por meio de uma estrutura ou de uma API de compatibilidade, confirme se o raciocínio do modelo é transferido de um turno para o outro. Um laço que o solta pode parar. + **Compare o custo por tarefa concluída**. Os modelos diferem em quantos tokens eles usam por etapa, portanto, o preço por token por si só não prevê o custo. Compare os modelos com a superfície da ferramenta que você planeja usar. ## Habilidades e instruções de escrita A habilidade, as instruções que você dá ao agente para um fluxo de trabalho, têm um grande efeito na precisão e no custo. Um prompt genérico mal projetado pode ter um desempenho pior do que nenhum prompt. + **Inclua algumas regras de trabalho**. Por exemplo: lembre-se do que você leu, verifique antes de prosseguir, mude a abordagem após duas tentativas fracassadas e aguarde a resposta do aplicativo. + **Forneça fatos, não procedimentos**. Os modelos atuais precisam de menos orientação passo a passo. Mantenha a habilidade curta e inclua os fatos que o agente não consegue descobrir, como caminhos de arquivo, formatos de campo e peculiaridades do aplicativo. + **Defina campos de alto valor**. Indique o formato exato dos campos, como identificadores e números de conta, e peça ao agente que compare cada valor com esse formato antes de digitar. + **Torne a verificação obrigatória e direcionada**. Os agentes podem inserir valores errados com total confiança, portanto, não deixe a verificação ao critério do agente. Verifique cada valor uma vez, logo após digitá-lo, e leia os poucos campos de alto valor antes de salvar. Uma nova verificação completa de cada campo adiciona etapas sem melhorar a precisão. + **Corrija os erros no local**. Quando um valor está errado, peça ao agente que corrija esse campo em vez de limpar e redigitar todo o formulário. + **Entregue de forma limpa aos subagentes**. Dê instruções completas a um subagente e solicite um relatório no final, em vez de verificar seu funcionamento à medida que avança. + **Melhore suas habilidades com suas próprias corridas**. Analise as capturas de tela, as ações e o raciocínio de cada execução, altere uma regra por vez e mantenha uma alteração somente se cada execução ainda for bem-sucedida. Divida o fluxo de trabalho em marcos, para que você possa ver onde as execuções com falha param. ## Gerencie o contexto e os custos O custo depende principalmente do contexto que o modelo carrega e do número de etapas em uma execução. Cada chamada reenvia o histórico, então cada etapa extra custa mais do que a anterior. A maneira mais eficaz de reduzir os custos é escolher o modelo e a habilidade que concluem a tarefa no menor número de etapas. + **Redefinir o contexto entre as tarefas**. Inicie cada tarefa independente a partir de um contexto limpo e de um estado de tela conhecido. + **Mantenha apenas capturas de tela recentes**. Mantenha algumas capturas de tela recentes, como as três últimas, e substitua as imagens antigas por uma pequena nota de texto. Manter apenas uma captura de tela pode aumentar o custo, porque o agente volta para ver o que perdeu. + **Diga ao agente o que você remove**. Explique que as capturas de tela mais antigas são removidas propositalmente e faça com que o agente registre cada valor em sua resposta enquanto o valor está na tela. O cache imediato pode reduzir substancialmente os custos, mas somente quando você cria a carga com cuidado: + Adicione apenas ao final da conversa. O armazenamento em cache corresponde à carga desde o início, portanto, uma edição em um turno anterior invalida o cache. + Remova as capturas de tela antigas em lotes, não a cada turno, para que o prefixo em cache permaneça o mesmo entre as remoções. + Não reconstrua a conversa a cada turno. Uma carga que muda a cada turno pode custar mais com o armazenamento em cache do que sem ele. + Confirme se o cache está ativado. Os modelos têm um tamanho mínimo de prefixo para armazenamento em cache, e um prefixo menor não é armazenado em cache e não retorna um erro. ## Avalie os resultados + **Faça testes suficientes**. Os resultados variam entre execuções idênticas. Execute vários testes, relate a distribuição e use um teste estatístico, como um teste pareado, antes de concluir que uma versão é melhor. + **Calcule o custo de cada tipo de token**. Inclua novas entradas, saídas, gravações em cache e leituras de cache. Os provedores relatam os tokens de cache de forma diferente, então verifique como cada um os conta. Relate os tokens junto com o custo. + **Relate o custo com a pontuação**. Uma mudança pode manter a mesma taxa de sucesso, embora aumente o custo. Relate a taxa de sucesso, o custo e as etapas em conjunto e mantenha os custos de aprovação e reprovação separados. + **Defina o limite de etapas com cuidado**. Defina o limite acima do que o fluxo de trabalho precisa e relate quantas execuções o atingiram. Uma execução que ficou sem etapas precisa de uma correção diferente de uma execução que produziu um resultado errado. Também defina limites de tempo e custo e suporte ao cancelamento. + **Mude uma coisa de cada vez**. Mantenha todo o resto fixo, para que você possa ver o efeito de cada alteração. + **Classifique falhas por causa**. Separe as falhas na leitura da tela das falhas na ação. Uma habilidade pode melhorar a forma como o agente age, mas não a capacidade de leitura do modelo. Antes de creditar uma regra com uma melhoria, verifique se o agente a seguiu. + **Avalie o resultado, não o relatório do agente**. Verifique o registro salvo e a tela final com um avaliador automático que exige que todos os campos correspondam e inclua um controle negativo. Um agente pode denunciar uma tarefa como concluída quando ela não está concluída. + **Verifique sua configuração de teste**. Erros no avaliador ou no ambiente podem parecer falhas do agente. Registre todas as solicitações, capturas de tela e ações para que você possa rastrear as execuções que falharam. Não publique resultados que você não possa reproduzir. ## Supervisão e segurança + **Mantenha uma pessoa informada**. Exija confirmação antes de ações consequentes ou difíceis de reverter, como pagamentos, exclusões ou envios. Trate a digitação de dados confidenciais em um formulário como o envio. Verifique a confirmação necessária antes de cada ação em um lote e localize o alvo novamente após a aprovação de uma pessoa, pois a tela pode ter mudado. + **Passe as perguntas do agente para uma pessoa**. Alguns modelos param e solicitam a confirmação por conta própria, por exemplo, quando a tela sugere um sistema de produção. Certifique-se de que seu loop possa mostrar a pergunta para uma pessoa. + **Limite o que o agente pode alcançar**. Execute o agente em um ambiente isolado com permissões mínimas. Mantenha as credenciais de login fora do alcance do agente sempre que possível e limite o acesso à Internet a uma lista de domínios permitidos. + **Trate o conteúdo na tela como não confiável**. O texto em uma página ou em um documento não pode conceder permissões nem alterar a tarefa. Não permita que as instruções na tela redirecionem o agente. + **Mantenha o agente fora da web aberta**. Coloque as informações de que o agente precisa na habilidade, em vez de fazer com que ele pesquise na web, onde ele pode encontrar CAPTCHAs e conteúdo não confiável. ## Recursos relacionados Os fornecedores de modelos publicam orientações sobre o uso do computador para seus modelos. Sua documentação atual descreve detalhes específicos do modelo, como tamanhos de tela compatíveis, sistemas de coordenadas e ferramentas. + [Ferramenta de uso do computador](https://platform.claude.com/docs/en/agents-and-tools/tool-use/computer-use-tool) na documentação antrópica + [Uso do computador](https://developers.openai.com/api/docs/guides/tools-computer-use) na documentação do OpenAI + [Uso do computador](https://ai.google.dev/gemini-api/docs/computer-use) na documentação da API Gemini