FERRAMENTAS · 23/09/2026
5 repositórios para instalar antes de desenvolver com Claude
O Claude Code sozinho já é forte. Com memória, mapa do código, contexto enxuto, método e documentação atual, ele muda de nível. Obsidian + obsidian-skills, Graphify, Headroom, Superpowers e Context7: o que cada um resolve e por onde começar.
Agente de código tem três defeitos clássicos: esquece o que foi decidido na sessão anterior, se perde num repositório grande e inventa API de biblioteca. Some a isso uma conta de tokens que cresce a cada passo e o hábito de sair codando antes de entender o problema.
Os cinco repositórios abaixo atacam exatamente esses pontos. Todos são abertos, e quatro deles rodam na sua máquina. Não é para instalar tudo de uma vez: no fim há um guia de por onde começar, conforme o que mais dói hoje.
| Repositório | Resolve | Como roda | Estrelas (23/09) |
|---|---|---|---|
| Obsidian + obsidian-skills | O Claude esquece o que foi decidido | Skills sobre um cofre de Markdown | 48,8 mil |
| Graphify | O Claude se perde no repo grande | Grafo local; código lido por AST | 120,8 mil |
| Headroom | A conta de tokens está alta | Proxy, biblioteca ou servidor MCP, local | 73,6 mil |
| Superpowers | O Claude sai codando sem pensar | Conjunto de skills (metodologia) | 290,5 mil |
| Context7 | O Claude inventa API de biblioteca | MCP ou CLI + skill | 62,4 mil |
Estrelas medidas na API do GitHub em 23/09/2026 (manhã). Mudam todo dia.
1. Obsidian + obsidian-skills: memória de longo prazo em Markdown
A ideia é simples: um cofre do Obsidian (uma pasta de arquivos Markdown) vira a memória de longo prazo do Claude. Decisões de arquitetura, specs, anotações de reunião e convenções do projeto ficam em arquivo, e não perdidas num chat que some quando a sessão acaba.
O obsidian-skills é mantido por Steph Ango (kepano), CEO do Obsidian. São skills no padrão Agent Skills que ensinam o agente a trabalhar com os formatos do Obsidian: Markdown com a sintaxe do app, Bases, JSON Canvas, a CLI e o defuddle (extração de conteúdo limpo de páginas web). Um detalhe: as skills são abertas, mas o app Obsidian em si não é open source.
2. Graphify: o código vira um grafo que o Claude consulta
Em vez de o agente sair dando grep arquivo por arquivo, o Graphify transforma o projeto — código, docs, schemas SQL, configs e PDFs — num grafo de conhecimento que pode ser consultado. Ele funciona como skill /graphify para Claude Code, Cursor, Codex e Gemini CLI.
- Código lido por AST: o parsing usa tree-sitter, é determinístico e roda localmente. Reconstruir o grafo do código não chama LLM (documentos e imagens, sim, passam por um modelo).
- Cada ligação é rotulada como EXTRACTED (lida do código), INFERRED (inferida) ou AMBIGUOUS — você sabe o que foi encontrado e o que foi deduzido.
- Sem vector store: nada de banco vetorial para configurar.
O projeto publica um benchmark próprio de 71,5x menos tokens por consulta num corpus misto, em comparação com ler os arquivos brutos. É número do próprio repositório; o ganho no seu código depende do tamanho e da estrutura do projeto.
3. Headroom: menos tokens no que o agente lê
Boa parte do que um agente de código lê é lixo caro: logs enormes, JSON verboso, saída de ferramenta repetida. O Headroom comprime tudo isso antes de chegar no modelo. Segundo o próprio repositório: cerca de 20% menos tokens em agentes de código e 60% a 95% menos em JSON, com as mesmas respostas.
Ele roda localmente e pode entrar de três jeitos: como proxy entre o agente e a API, como biblioteca no seu código ou como servidor MCP (com ferramentas para comprimir, recuperar e ver estatísticas). O original fica guardado em cache local, então o agente pode pedir a versão completa quando precisar.
Se você usa modelos caros por token em sessões longas, a economia aparece rápido — veja a conta de custo em agentes de código de 18 horas com o Opus 5.5.
4. Superpowers: spec, plano e TDD antes de sair codando
O Superpowers não é uma ferramenta, é uma metodologia inteira em forma de skills. Antes de escrever código, o agente faz perguntas (brainstorming), escreve uma spec e um plano. Depois executa o plano com desenvolvimento guiado por subagentes e TDD vermelho/verde, com revisão a cada tarefa.
O resultado é menos retrabalho: o agente para de "adivinhar" o que você queria e passa a confirmar. Com 290,5 mil estrelas, é hoje o 12º repositório mais estrelado de todo o GitHub — detalhes do ranking em os 10 repositórios com mais estrelas do GitHub.
5. Context7: documentação atual das libs, sem API inventada
O modelo foi treinado com a documentação de meses atrás; a biblioteca que você usa mudou desde então. O Context7, da Upstash, puxa a documentação atual e da versão certa da biblioteca direto para o contexto do agente.
Funciona como servidor MCP ou como CLI + skill (sem MCP). A instalação é um comando: npx ctx7 setup (requer Node.js 18 ou mais novo). Depois disso, uma skill faz o agente consultar o Context7 sempre que a pergunta envolve uma biblioteca.
Como os cinco se encaixam (e por onde começar)
- Obsidian guarda o que foi decidido.
- Graphify mapeia o que existe no código.
- Context7 traz a documentação certa das bibliotecas.
- Headroom corta os tokens de tudo isso.
- Superpowers dá o método para usar.
Não instale os cinco de uma vez: cada um muda o comportamento do agente, e fica difícil saber o que ajudou. Comece pelo que dói hoje:
- O Claude esquece o contexto → Obsidian.
- Se perde no repositório grande → Graphify.
- Conta de tokens alta → Headroom.
- Inventa API → Context7.
- Sai codando sem pensar → Superpowers.
Menções honrosas: claude-mem (memória entre sessões, 94,5 mil estrelas) e anthropics/skills (as skills oficiais da Anthropic, 177,8 mil estrelas).
Uma regra de segurança que vale para todos: skills e servidores MCP rodam com as permissões do seu agente. Leia o que está instalando, fixe versões e prefira repositórios mantidos por quem você conhece.
O carrossel completo
Os 8 slides do carrossel "5 repositórios pra instalar antes de desenvolver com Claude", publicado nas redes da Rafique AI.
Fontes
Quer um time que usa IA com método, não no improviso?
A Rafique AI monta o ambiente de agentes de código do seu time (memória, contexto, ferramentas e revisão) e mede o resultado em entrega, não em hype.