Jamais use o Claude Code sem esses 4 add-ons

Esse não é um post de "acorda e usa isso". São 4 ferramentas que a própria Rafique AI roda — inclusive nos bastidores deste site. Pra cada uma: o que é, de onde veio, quando faz sentido usar, e o link direto pro repositório.

História. Criado por Rebecca Murphey (rmurphey), engenheira que documentou publicamente o processo de construir o projeto junto com o próprio Claude — o histórico de commits do repositório mostra os dois como coautores. É um projeto pequeno (78 estrelas, licença MIT), não um produto de uma empresa.

Atenção: o repositório foi arquivado pelo dono em janeiro de 2026 e está em modo somente-leitura — sem mais atualizações. Ainda funciona (o código não sumiu, só parou de evoluir), mas vale checar se não surgiu um sucessor antes de adotar num projeto novo.

O que é e pra que serve. Um comando (npx claude-setup) que analisa a estrutura do projeto e recomenda — sem aplicar nada sozinho, sempre em modo leitura primeiro — quais MCP servers, skills, hooks, subagents e slash commands fazem sentido pra aquele repositório específico. Em vez de copiar um CLAUDE.md genérico de outro projeto, ele parte do que o seu código realmente é.

Casos de uso:

• Começar um projeto novo com Claude Code e não saber por onde configurar o ambiente.
• Herdar um repositório grande, sem documentação de IA nenhuma, e precisar de um ponto de partida.
• Padronizar a configuração de IA entre vários projetos de um mesmo time.

Ver repositório — rmurphey/claude-setup →

História. Mantido pela Headroom Labs, com mais de 2.800 commits e 4 mantenedores ativos — não é um script de fim de semana, é um projeto com 73 mil estrelas e mais de 300 pull requests já fechados.

O que é e pra que serve. Comprime a saída de ferramentas, logs, arquivos e resultados de busca antes deles chegarem no modelo — sem mudar a resposta que você recebe. No print acima (sessão real, aqui na Rafique AI): 5,3 milhões de tokens economizados, 28% de redução, com qualidade de compressão marcada como "baixo risco". Funciona como biblioteca, proxy ou servidor MCP.

Casos de uso:

• Sessão de Claude Code que fica lenta e cara em repositórios grandes, por causa de log e output repetitivo.
• Pipeline de RAG que manda chunk demais pro modelo e paga por contexto que nem é lido.
• Qualquer fluxo de agente que chama ferramenta repetidamente e acumula JSON verboso na janela de contexto.

Ver repositório — headroomlabs-ai/headroom →

História. Projeto da Graphify-Labs, hoje na versão 8, com mais de 1.800 commits e 120 mil estrelas — um dos add-ons mais adotados da comunidade de agentes de código.

O que é e pra que serve. Transforma o codebase inteiro — código, documentação, schema de banco, arquivo de config — num grafo de conhecimento consultável, usando parsing determinístico de AST (não embedding, não vetor). A imagem acima não é ilustração: é o grafo real do código da própria Orkesta (o produto que roda esta suíte), gerado nesta mesma VPS. Cada nó é um arquivo ou módulo; cada aresta, uma relação real de import ou referência.

Casos de uso:

• Projeto grande, com módulos que ninguém mais lembra por que se conectam daquele jeito.
• Onboarding de alguém novo no time — mostrar o mapa antes de mandar ler arquivo por arquivo.
• Antes de uma refatoração grande, pra ver de verdade o que quebra se aquele módulo mudar.

Ver repositório — Graphify-Labs/graphify →

História. Criado por thedotmack, hoje com mais de 2.700 commits e 94 mil estrelas — um dos plugins de memória mais usados no ecossistema Claude Code.

O que é e pra que serve. Captura automaticamente o que aconteceu numa sessão de código, resume com IA e injeta esse contexto de volta nas sessões seguintes — funciona com Claude Code, Codex, Gemini, Copilot e outros. Na prática: você não reexplica o projeto do zero toda vez que abre uma sessão nova. No print acima, o painel da direita mostra resumos reais gerados automaticamente de uma sessão anterior (o que foi criado, o que foi simplificado, script de deploy) — contexto que a próxima sessão recebe pronto.

Casos de uso:

• Projeto de longo prazo, com sessões espalhadas ao longo de semanas.
• Handoff entre pessoas do time que usam a mesma base de código com IA.
• Evitar o "cadê aquilo que eu já tinha decidido semana passada" no meio de um projeto grande.

Ver repositório — thedotmack/claude-mem →

• Instalar tudo no dia 1 sem medir dor real (contexto, memória, mapa do repo).
• Tratar repositório arquivado (claude-setup) como se fosse produto ativo sem checar sucessor.
• Comprimir contexto (Headroom) e ignorar qualidade — olhe a classificação de risco.
• Gerar grafo (Graphify) e nunca consultar — mapa sem hábito não muda o time.