Exemplos

Pergunta: "Toda segunda-feira de manhã, me diga o que mudou nos nossos 5 principais concorrentes na semana passada."

O que foi lançado:

• Um trabalho agendado que é executado toda segunda-feira às 9h, sem supervisão
• Extrai palavras-chave orgânicas novas e removidas, novas páginas de classificação e quaisquer backlinks de domínios notáveis para cada concorrente da Ahrefs
• Uma passagem de LLM que resume as partes interessantes em linguagem simples e ignora o ruído
• Uma mensagem direta no Slack com o resumo e um link para uma página do Console com os dados completos

Tempo de envio: uma sessão de chat, mais um acompanhamento para adicionar o filtro de "partes interessantes".

Prompt inicial:

Crie um observador de concorrentes para segunda-feira de manhã. Toda segunda-feira às 9h para estes 5 domínios [lista], extraia palavras-chave orgânicas novas e removidas em relação à semana passada, novas páginas classificadas e quaisquer backlinks de domínios com DR ≥ 70. Resuma os pontos interessantes com LLM, ignore ruídos. Envie-me uma mensagem direta no Slack com o resumo e um link para uma página do Console que mostre os deltas completos.

Pergunta: "Crie uma ferramenta onde eu colo uma URL e ela retorna um universo de palavras-chave agrupadas. Link público que eu possa compartilhar com prospects."

O que foi lançado:

• Uma página do Console onde você cola a URL e escolhe filtros (volume, dificuldade da palavra-chave)
• Um backend que extrai as principais palavras-chave orgânicas do Site Explorer, expande cada uma através dos termos correspondentes do Keywords Explorer, remove duplicatas e agrupa por tópico principal da Ahrefs
• Uma passagem por LLM que nomeia cada cluster (2-4 palavras, em Title Case)
• Uma visualização de gráfico direcionado por força com nós arrastáveis, zoom por rolagem, dicas de ferramentas ao passar o mouse e pílulas de legenda clicáveis para alternar clusters
• Uma URL de token público no site para que você possa compartilhar somente leitura com qualquer pessoa

Tempo de lançamento: uma sessão de chat para a v1, algumas rodadas de acompanhamento para aprimorar a visualização.

Prompt inicial:

Crie uma ferramenta de universo de palavras-chave. A entrada é uma URL. Extraia as N principais Palavras-chave orgânicas do Site Explorer, expanda cada uma com Termos correspondentes do Keywords Explorer, remova duplicatas, agrupe por Tópico principal, nomeie cada cluster com IA em 2 a 4 palavras. Visualize como um gráfico direcionado por força arrastável com cores de cluster e uma legenda que alterna os clusters. Renderize no Console para mim; exponha uma URL protegida por token no site público para que eu possa compartilhar com prospects.

Pergunta: "Rastreie nossa marca nas respostas da IA no ChatGPT, Claude, Perplexity e outros, e compare com os três concorrentes mais próximos."

O que foi lançado:

• Um painel de controle do Console que extrai dados do Brand Radar da Ahrefs para seis plataformas de IA em paralelo
• Detalhamento por plataforma de participação de voz, impressões, menções e citações para nossa marca e até cinco concorrentes
• Uma visualização combinada somada entre as plataformas e uma série de histórico de 90 dias para cada métrica
• Comparação com um clique contra um conjunto diferente de concorrentes sem precisar executar tudo novamente

Tempo de envio: uma sessão de chat.

prompt inicial:

Crie um painel de visibilidade da IA para mim. Entradas: URL da minha marca e até 5 URLs de concorrentes. Extraia as linhas do tempo da visão geral do Brand Radar para ChatGPT, Claude, Perplexity, Gemini, Copilot e Grok em paralelo. Para cada plataforma, mostre share of voice, impressões, menções, citações para cada entidade. Mostre também uma visualização combinada entre plataformas (SoV em média, outras somadas) e um histórico de 90 dias por métrica. Armazene os resultados em cache por execução para que eu possa alternar entre concorrentes sem precisar extrair novamente.

Pergunta: "A maioria dos textos gerados por IA é rejeitada pelas nossas equipes jurídica e de marca porque não consegue mostrar de onde vêm as alegações. Crie um modo de rascunho que fundamente cada alegação e mostre a trilha de origem."

O que foi lançado:

• Uma página do Console que recebe um resumo mais diretrizes da marca e gera uma cópia de rascunho com cada afirmação numerada
• Um painel lateral que, para cada afirmação numerada, mostra a fonte, extraída de uma "biblioteca de afirmações da marca" mantida com fatos pré-aprovados sobre a Ahrefs (números de escala, afirmações de capacidade, prova de clientes, comparações)
• Afirmações expiradas são removidas automaticamente (a biblioteca tem um expires_on por afirmação)
• Exportação em Markdown com versão, origem e categoria para que os revisores jurídicos/de marca possam auditar sem sair do documento

Tempo de envio: uma sessão de chat para o gerador; a biblioteca de declarações da marca foi alimentada uma vez e é reutilizada em todos os geradores da Camada 3.

Prompt inicial:

Crie um gerador de cópias pronto para auditoria. Mantenha uma biblioteca de declarações da marca como um arquivo de habilidade JSON (id, declaração, URL de origem, categoria, expires_on). O gerador aceita um resumo + diretrizes da marca, elabora a cópia e numera cada declaração factual. O painel lateral mostra a origem de cada declaração, extraída da biblioteca. Descarte declarações expiradas silenciosamente. Exporte para markdown com versão, origem e categoria para que o jurídico possa auditar.

Pergunta: "Crie um gerador de battlecard de concorrentes que extraia sinais reais, não apenas opiniões em tópicos."

O que foi lançado:

• Uma página do Console onde você cola um domínio concorrente
• O backend extrai os deltas de tráfego e classificação da Ahrefs, raspa a página de preços deles, executa um snapshot de pesquisa paga e (se conectado) lê trechos recentes de chamadas do Gong onde o concorrente foi mencionado
• O LLM organiza a saída em: posicionamento, preços, pontos fortes, pontos fracos, objeções comuns e contra-argumentos da sua equipe
• Cada seção é editável in-line, exportável para PDF ou PowerPoint

Tempo de envio: uma sessão de chat.

Prompt inicial:

Crie um gerador de battlecard. Entrada: domínio do concorrente. Extraia o tráfego e os deltas de classificação da Ahrefs (30/90 dias), faça scraping da página de preços deles, extraia palavras-chave pagas + páginas pagas do Site Explorer e leia os últimos 90 dias de trechos de chamadas do Gong que os mencionam. Organize com LLM em posicionamento, preços, pontos fortes, pontos fracos, objeções comuns, nossos contra-argumentos. Cada seção é editável em linha. Exporte para PDF ou PPTX.

Pergunta: "Escrevo publicações no LinkedIn com minha própria voz. Ajude-me a rascunhar novas que soem como eu, não como o ChatGPT."

O que foi lançado:

• Um arquivo de habilidade com regras de voz e um banco de publicações aprovadas anteriormente que o agente lê em cada geração
• Um aplicativo de Console que cria rascunhos de novas publicações nessa voz, duas variantes por geração, cada uma marcada com o padrão que usa
• Uma nota "por que isso funciona" em cada variante para que o resultado possa ser revisado em vez de ser uma adivinhação
• Um botão "Adicionar ao banco" que anexa publicações aprovadas de volta à habilidade, para que a voz seja aprimorada ao longo do tempo

Tempo para lançar: uma sessão de chat, mais 15 minutos na primeira vez para preencher o banco com 5 a 10 das suas melhores publicações anteriores.

Prompt inicial:

Crie um gerador de posts para o LinkedIn. Leia as regras de voz e um banco de posts aprovados anteriores de um arquivo de habilidade. Para cada briefing, elabore duas variantes com o padrão que cada uma segue ("abertura contrária", "dados + reformulação", etc.) e uma nota de uma linha explicando por que funciona. Adicione um botão "Adicionar ao banco" que anexa posts aprovados de volta à habilidade para que a voz seja aprimorada. Salve o histórico de execução.

Pergunta: "Temos mais de 1.000 artigos de blog; mantê-los atualizados é mais do que um trabalho em tempo integral. Crie um pipeline que pegue uma URL, faça uma auditoria e proponha atualizações que eu possa aceitar ou rejeitar mudança por mudança."

O que foi lançado:

• Um campo de entrada onde você cola um URL publicado; o pipeline busca e extrai o conteúdo da página
• Quatro estágios de diagnóstico executados em paralelo: escopo (atualização leve vs. reescrita completa), auditoria de afirmações (LLM sinaliza cada estatística e afirmação datada, classifica por desatualização, encontra substituições), verificação cruzada de menções da Ahrefs (em relação a recursos lançados desde a publicação), lacunas de tópico (executa novamente a SERP e apresenta tópicos que as páginas mais bem classificadas atualmente cobrem e a sua não)
• Um estágio de visualização com uma comparação lado a lado entre o artigo atual e as atualizações propostas. Aceite ou rejeite cada alteração individualmente
• Exporte a versão aceita como markdown ou shortcodes do WordPress

Tempo para lançar: alguns dias de construção + ajustes, depois funciona para sempre.

Prompt inicial:

Crie um pipeline de atualização de postagens de blog. Entrada: um URL publicado. Busque o artigo. Execute quatro etapas de diagnóstico em paralelo: (1) Escopo, defino atualização leve vs. reescrita completa; (2) Auditoria de afirmações, o LLM extrai cada estatística, referência de estudo e afirmação datada e classifica cada uma quanto à desatualização com uma substituição sugerida; (3) Menções da Ahrefs, faça uma verificação cruzada com os recursos da Ahrefs lançados desde a publicação e sugira onde incluir os novos; (4) Lacunas de tópico, execute novamente a SERP, identifique tópicos que as páginas mais bem classificadas atualmente cobrem e que a minha não cobre. Etapa final: comparação lado a lado entre o artigo atual e as atualizações propostas, com aceitar/rejeitar por alteração. Exporte a versão aceita como markdown ou shortcodes do WordPress.

Pergunta: "Pegue um URL de concorrente e crie um resumo de campanha de anúncios pagos para ele. Quero temas, títulos, descrições e mockups em PNG no estilo da nossa marca."

O que foi lançado:

• Uma página do Console que raspa a página de destino, extrai palavras-chave pagas e páginas pagas da Ahrefs e pede a um LLM para identificar temas de campanha
• Para cada tema: texto de anúncio de pesquisa (com limites rígidos de comprimento aplicados no lado do servidor para que o Google não rejeite), texto de anúncio social e criativos PNG renderizados em quatro estilos de fundo usando Pillow
• Imagens de anúncios de marca de referência carregadas anteriormente são descritas ao LLM por seu estilo para que o texto e os visuais gerados permaneçam alinhados com a marca

Tempo de envio: uma sessão de chat para a v1, duas rodadas de acompanhamento para ajustar os estilos da marca.

Prompt inicial:

Crie um criador de campanhas de anúncios pagos. Entrada: uma URL de concorrente. Faça scraping da página, extraia as palavras-chave pagas e páginas pagas da Ahrefs. O LLM identifica de 3 a 5 temas de campanha. Para cada tema, produza: título de pesquisa (≤30 caracteres), descrição (≤90 caracteres), título social (3-7 palavras). Aplique os limites no lado do servidor. Renderize criativos PNG em quatro estilos de fundo usando Pillow; palavra de destaque laranja, nossa marca nominativa. Consulte minhas imagens de anúncios de marca enviadas por estilo para que as gerações permaneçam alinhadas à marca.

Pergunta: "Todo lançamento de produto precisa de posicionamento, copy da landing page, e-mails, habilitação de vendas e um roteiro de vídeo. Crie um orquestrador que receba um briefing e produza tudo isso."

O que foi lançado:

• Um hub do Console que recebe um único resumo do produto (campos de entrada para: o que enviamos, para quem é, a mudança que ele faz, prova de suporte)
• O orquestrador chama quatro geradores da Camada 3 em sequência: landing page, roteiro de vídeo, e-mail promocional, folheto de comparação de uma página
• Cada gerador lê das mesmas habilidades da Camada 1 (voz da marca, manual de design, estratégia de marketing) para que os resultados sejam consistentes em todos os recursos
• Uma verificação de consistência entre recursos no final (o título da landing page corresponde à linha de assunto do e-mail, a abertura do vídeo corresponde ao posicionamento da página de comparação)
• O pacote de conteúdo completo pode ser exportado como markdown, com recursos na ordem consistente: resumo → landing page → roteiro de vídeo → e-mail → folheto

Tempo de envio: três sessões de chat: uma para criar cada gerador da Camada 3, uma para criar o orquestrador no topo.

Prompt inicial:

Crie um orquestrador de GTM. Entrada única de resumo do produto (o que foi lançado, para quem, o que muda, prova). O pipeline chama quatro geradores da Camada 3 em sequência: HTML da landing page, markdown do roteiro de vídeo, HTML do e-mail promocional, HTML de comparação de uma página. Cada um lê as mesmas habilidades da Camada 1 (voz da marca, manual de design, estratégia de marketing). Depois que todos os quatro forem executados, faça uma verificação de consistência entre os recursos (título ↔ linha de assunto ↔ abertura do vídeo ↔ posicionamento de comparação). Gere um único pacote; a ordem de exportação é resumo → landing → vídeo → e-mail → folheto.

Resposta: "Crie um pipeline de artigo longo assistido em 11 etapas. Eu insiro uma palavra-chave alvo, o agente faz o trabalho, eu edito em cada etapa."

O que foi lançado:

• Um aplicativo de console onde você insere uma palavra-chave alvo (ou pede ao agente para encontrar uma por meio da análise de lacunas de conteúdo integrada)
• 11 etapas executadas sequencialmente como tarefas em segundo plano que a interface do usuário consulta: pesquisa por palavras-chave, busca de SERP, instantâneo de tópico do AI Content Helper, esboço com marcadores com cobertura de tópico obrigatória, posicionamento de menção de dados, rascunho completo, polimento, formatação de shortcode do WordPress, exportação .docx
• Cada etapa mostra sua saída, tem uma área de texto de "edição" e um chat de "refinar com feedback" que executa novamente a etapa com suas observações
• Modo de edição Vibe: chat direto com o LLM sobre esboços e rascunhos, sem copiar e colar
• Guias de estilo personalizados por perfil de autor, treinados em amostras de escrita enviadas
• Diagramas de fluxo de marca gerados no estilo da sua marca

Tempo de lançamento: algumas sessões de chat e, em seguida, adições contínuas conforme as necessidades da equipe surgirem.

Prompt inicial:

Crie um pipeline de artigos longos assistidos. A entrada atômica é uma palavra-chave alvo. As etapas são executadas sequencialmente como tarefas em segundo plano que a interface pesquisa: (1) pesquisa por palavras-chave via Ahrefs, (2) busca de SERP de concorrentes, (3) snapshot de tópico do AI Content Helper, (4) esboço com marcadores com cobertura de tópico obrigatória, (5) posicionamento de menção de dados, (6) rascunho completo, (7) polimento, (8) formatação de shortcode do WordPress + exportação .docx. Cada etapa mostra sua saída, tem uma área de texto "editar" e um chat "refinar com feedback" que executa novamente a etapa com minhas observações. O guia de estilo vem de um perfil de voz por autor.