- Projeto web baseado em Claude Code que explora automaticamente relações entre temas em 100 livros
- Analisa os conceitos de cada livro e os visualiza como mais de 40 conexões temáticas (trails), como ‘Useful Lies’, ‘Invisible Crack’ e ‘Name Game’
- Cada trail cruza conceitos de diferentes áreas, como psicologia, tecnologia, organizações, criatividade e pensamento sistêmico
- Os usuários podem clicar em cada trail para explorar livros relacionados e conceitos centrais (ex.: Self-deception, Innovation, Tacit knowledge)
- Apresenta uma nova forma de leitura e pesquisa em que a inteligência artificial explora estruturalmente as relações entre conhecimentos
Visão geral do projeto
- Trails é um sistema que usa o Claude Code para analisar o conteúdo de vários livros e derivar automaticamente temas em comum ou conexões conceituais
- O resultado visualiza relações temáticas entre livros na forma de “trail”
- Cada trail conecta ideias de vários livros em torno de um conceito específico
Exemplos de trails principais
- Useful Lies: trata do comportamento humano que usa o autoengano como estratégia
- Conceitos relacionados: Self-deception, Evolutionary psychology, Blue lies
- Invisible Crack: o fenômeno em que pequenas falhas se acumulam e levam a um colapso catastrófico
- Conceitos relacionados: Brittle fracture, Metal fatigue, Gradual change
- Ideas Mate: direitos de propriedade intelectual mais fracos aceleram a inovação por meio da cópia colaborativa
- Conceitos relacionados: Innovation spillover, Japanese copying, Open source
- Desperate Pivots: casos em que o desespero levou a mudanças inovadoras de direção
- Conceitos relacionados: Odeo reinvention, Startup pivot, Hindsight bias
- Expert Intuition: a especialização opera como conhecimento intuitivo que vai além do pensamento consciente
- Conceitos relacionados: Tacit knowledge, Mētis knowledge, Intuition
A diversidade das conexões de conhecimento
- Os trails abrangem uma ampla gama de áreas, como tecnologia, organizações, psicologia, economia e criatividade
- Ex.: Proxy Trap (a armadilha da otimização por métricas), Legibility Tax (o custo da padronização), Joy Dividend (a produtividade da diversão)
- Cada trail é composto por 3 a 4 palavras-chave centrais, permitindo explorar intuitivamente as relações entre conceitos
- Por meio de uma exploração visual e temática, o leitor conecta as ideias dos livros em novos contextos
Características técnicas
- O Claude Code analisa o conteúdo de cada livro e gera conexões com base em similaridade semântica
- Os resultados são oferecidos em uma interface baseada em links, permitindo que o usuário explore por tema
- Cada página de trail é composta por uma frase curta de resumo e tags de conceitos relacionados
Significado
- Uma tentativa experimental em que a inteligência artificial explora automaticamente relações estruturais no conhecimento
- Uma ferramenta para leitores e pesquisadores conectarem ideias de áreas diferentes e ampliarem seu campo de pensamento
- Apresenta uma nova forma de experiência integrada de leitura por meio da combinação de dados baseados em livros e análise por IA
1 comentários
Comentários do Hacker News
A obra em si é bonita, mas o resultado dos dados parece quase inútil
Dá a sensação de que delegaram pensamento crítico demais a um modelo estatístico
Também testei vários LLMs avançados por bastante tempo, mas encontrar “conexões invisíveis” entre textos ainda parece impossível. A intuição humana continua sendo necessária
Trabalho realmente incrível. Visualmente também tem um nível de acabamento impressionante
É uma ótima tentativa, mas, como outras pessoas, eu também não consigo ver bem conexões substanciais entre os textos
Por exemplo, a ligação entre Jobs e The Elephant in the Brain não foi capturada pelo LLM, mas um humano reconhece isso facilmente — os dois se parecem no modo como o autoengano funciona estrategicamente
Fiquei confuso com a frase “Thanos committing fraud” estar na seção “useful lies”
Com a fundadora na prisão, é estranho considerar essa mentira como “útil”. Parece que a IA classificou de forma desleixada
Também fiz um experimento usando Claude Code para “ler” projetos do GitHub que eu não conhecia bem
Seguindo projetos em alta em russo, acabei encontrando GoodbyeDPI e mergulhei no mundo de deep packet inspection
Não entendo as linhas que ligam os dois textos. A maioria parece linhas sem sentido
Na seção “Father wound”, “abandoned at birth” e “did not” estão conectados, e isso parece apenas um enfeite visual
Também já fiz um projeto parecido
Extraí texto de PDFs com pdfplumber, coloquei no PostgreSQL e fiz chunking em blocos de 100 caracteres, depois gerei embeddings de 384 dimensões com sentence_transformers
Em seguida, usei UMAP + HDBScan para redução de dimensionalidade e clustering, e visualizei tudo com Plotly; os clusters por tema apareciam com clareza
Configurei o ambiente com Docker Compose e levei tudo para uma interface web em Flask. Depois de organizar o código, pretendo publicar como open source
Li certa vez um livro sobre “humanidades digitais”, e o conceito de “distant reading” me marcou bastante
É uma forma de analisar centenas ou milhares de textos com computador para obter insights em escala macro
Um amigo implementou esse tipo de análise diretamente em Python num artigo acadêmico, e achei realmente fascinante
Hoje, graças aos LLMs, esse tipo de abordagem ficou mais fácil, e dá para tentar mesmo sem saber programar
O conceito pode ser visto na wiki de Distant reading
A ideia é boa, mas as ligações entre temas e narrativas de cada livro são fracas
Em alguns casos, parece que inferiram o tema geral a partir de apenas um parágrafo
Talvez repetir o prompt várias vezes ou adicionar um processo de extração em múltiplas etapas deixasse o resultado mais refinado
Como na citação de Deleuze, dá para ver um livro como uma ‘máquina que funciona’ ou como uma ‘caixa de significado’
O próprio Deleuze foi um pensador influenciado por outros, e acho que a tentativa deste projeto tem seu valor
Só que, para quem realmente leu os textos, o resultado pode soar impreciso