Código para Prompt LLM | Compacte Todo o Repositório em Um Bloco Markdown

Combine vários arquivos-fonte em um único bloco Markdown que contém tanto a árvore de diretórios quanto o conteúdo completo de cada arquivo. A saída é formatada para colar diretamente no ChatGPT, Claude ou em qualquer outro chat LLM sem ajustes adicionais.

💡 Sobre esta ferramenta

Quando você pede a um LLM para refatorar ou revisar um projeto, o contexto estrutural importa tanto quanto o próprio código. Colar arquivo por arquivo esconde o layout do projeto e força o modelo a adivinhar imports, dependências e pontos de chamada. A maior parte dos "erros de contexto" que aparecem em sessões longas com ChatGPT ou Cursor vem dessa falta de moldura estrutural, não do trecho em si.

Esta ferramenta gera duas seções na saída:

• # Directory Structure — uma lista plana de cada caminho de arquivo carregado
• # Source Codes — cada arquivo envolvido em uma cerca de código Markdown com sua extensão como rótulo de linguagem

Tipos binários (image/*, video/*, audio/*, application/pdf, application/zip) são descartados no momento do upload, então arrastar uma pasta cheia de recursos misturados não contamina o prompt com lixo em base64. A pré-visualização mostra os primeiros 2000 caracteres; a área de transferência sempre carrega o texto completo.

🧐 Perguntas frequentes

Q. Posso arrastar uma pasta inteira? A. Sim — solte-a diretamente na zona de upload. Navegadores que expõem webkitRelativePath preservam a estrutura aninhada na seção # Directory Structure. Caso contrário, você recebe uma lista plana de nomes de arquivo.

Q. Por que arquivos binários são ignorados? A. Imagens, vídeos, áudios, PDFs e ZIPs não são interpretados como código pelo LLM e consomem muitos tokens quando convertidos para base64. A ferramenta detecta o tipo MIME antes de ler e remove esses formatos automaticamente.

Q. Por que a pré-visualização é truncada em 2000 caracteres? A. A pré-visualização serve apenas como conferência. O botão de copiar sempre leva a saída completa, então você pode inspecionar o cabeçalho sem esperar a renderização de um projeto grande.

Q. É seguro para código corporativo? A. A leitura dos arquivos acontece dentro do seu navegador; nenhum arquivo é enviado a um servidor durante a conversão. Ao colar a saída no ChatGPT ou Claude, os termos de serviço do provedor passam a se aplicar — vale revisá-los antes de enviar código de cliente.

Q. Funciona com agentes como Cursor e Cline? A. Esses agentes têm seu próprio empacotamento interno, mas não expõem o prompt bruto. Se você quer entender por que um agente leu mal seu projeto, reproduzir o prompt em um chat normal com a saída desta ferramenta é a forma mais rápida de ver o contexto que o agente realmente tinha.

📚 Curiosidades

A comunidade brasileira de indie dev tem adotado o padrão "primeiro a arquitetura, depois o código" ao trabalhar com LLMs. Sem essa etapa, modelos como Claude e GPT-4 frequentemente inventam rotas de arquivo ou módulos inexistentes e geram refatorações contra essa estrutura imaginária. Apresentar primeiro a árvore real corta esse modo de falha pela raiz.

Dica prática para projetos multi-linguagem (por exemplo, backend em Python e frontend em TypeScript): envie dois prompts separados em vez de um só. O modelo deixa de misturar convenções entre as duas linguagens e o consumo de tokens diminui, sem perda na qualidade da análise.