Como Parei de Ter Medo dos Arquivos de Família e Deleguei a Genealogia para o Claude Code
Em muitos dos nossos armários, está aquela caixa. Dentro dela — fotos amareladas de parentes desconhecidos, certidões de nascimento em uma língua desconhecida, e talvez algumas cartas da frente de batalha. Prometemos a nós mesmos que vamos "eventualmente organizar tudo isso", mas o volume de dados é intimidante. Genealogia não é apenas desenhar uma árvore — é um ciclo interminável de buscas em arquivos, testes de hipóteses e lidar com contradições em documentos.
Um projeto chamado autoresearch-genealogy apareceu no GitHub, trazendo métodos de agentes autônomos para o realm da história familiar. Seu criador, Matt Prusac, não apenas despejou um conjunto de prompts. Ele sistematizou uma experiência real de pesquisa durante a qual a IA ajudou a reconstruir 9 gerações em 6 linhas familiares, criando mais de cem arquivos detalhados no processo.
O que está dentro do repositório
O projeto é uma metodologia pronta para trabalhar com Claude Code ou qualquer ferramenta que suporte busca autônoma. O valor principal aqui não está no código — está na estrutura do processo.
Prompts para busca autônoma
A pasta prompts/ contém 12 cenários para o comando /autoresearch. Cada prompt é um mini-programa para a IA. Ele especifica objetivos, métricas de sucesso, protocolos de verificação e "limitadores" para evitar que a rede neural alucine.
Por exemplo, o prompt 01-tree-expansion força o modelo a metodicamente "crescer" cada ramo da árvore usando busca na web. E 05-source-citation-audit assume o papel de um arquivista rigoroso: ele verifica se cada pessoa no seu banco de dados tem pelo menos duas fontes independentes.
Modelo de repositório digital
O autor propõe usar Obsidian (ou qualquer editor markdown) como banco de dados. A pasta vault-template/ contém a estrutura para o seu futuro arquivo:
- Cartões de pessoa com metadados YAML.
- Logs de pesquisa e registros de questões em aberto.
- Modelos especiais para transcrever documentos, cartas e até análise de correspondências de DNA.
Guias sobre arquivos e metodologia
Esta é talvez a parte mais prática. O repositório inclui instruções para busca em 24 regiões — desde os EUA e registros coloniais até arquivos na Polônia, Ucrânia e Rússia. Há até seções sobre genealogia judaica e especificidades de sobrenomes escandinavos.
Por que isso funciona melhor que um chat normal com IA
O principal problema ao usar ChatGPT ou Claude para essas tarefas é a tendência dos modelos de "preencher" fatos. Genealogia não pode tolerar isso. Se um documento registra uma pessoa como "Zachariah" e outro como "Sakkarias", a IA não deveria simplesmente escolher uma variante — ela deveria registrar ambas e avaliar a probabilidade de erro.
Matt Prusac embedou um conceito de "verificação mecânica" nos prompts. Isso é semelhante ao trabalho de um compilador em programação, mas em vez de verificar sintaxe, ele verifica a lógica dos relacionamentos. O sistema força a IA a:
- Registrar resultados negativos (o que foi buscado e não encontrado).
- Atribuir níveis de confiança aos fatos (Strong Signal / Speculative).
- Realizar auditorias de referência cruzada após cada iteração de busca.
Como experimentar com seus próprios dados
Se você tem o Claude Code instalado, o processo é bastante direto. Primeiro, você precisa clonar o repositório e mover o conteúdo de vault-template/ para o seu diretório de trabalho.
Então você insere dados básicos no arquivo Family_Tree.md — o que você já sabe sobre você, seus pais e avós. Se você tem digitalizações de documentos, coloque-os por perto. Depois disso, você pode iniciar o primeiro ciclo: copie o conteúdo de prompts/01-tree-expansion.md para o terminal com o Claude e assista ao agente começar a "cavar" a internet em busca de pistas.
Para quem isso será útil
O projeto provavelmente não atenderá quem quer apenas apertar um botão e "saber tudo sobre seus ancestrais". Genealogia ainda é trabalho árduo. Mas autoresearch-genealogy será um excelente recurso para:
- Techies que acham entediante preencher tabelas manualmente, mas têm interesse em configurar um pipeline autônomo.
- Pesquisadores presos em uma "parede de tijolos" que precisam de uma nova perspectiva sobre arquivos disponíveis.
- Donos de grandes volumes de dados dispersos que precisam ser trazidos a um padrão unificado.
Curiosamente, o autor não restringe o uso apenas ao Claude Code. Toda a lógica facilmente transfere para um fluxo de trabalho manual ou outras ferramentas de IA. O fundamental aqui é o sistema de níveis de confiança e os protocolos de verificação que transformam genealogia de leitura de folhas de chá em pesquisa estruturada.
Se você há muito tempo quis transformar aquela caixa de fotos em uma história coerente da família, este repositório pode ser o empurrão que faltava. No mínimo, é um ótimo exemplo de como usar LLMs modernos para resolver problemas humanitários complexos sem perder o rigor acadêmico.
Projetos relacionados