Ai Agents

iterative-retrieval é um padrão de trabalho para refinar progressivamente a recuperação de contexto em fluxos de trabalho agenticos. Ele ajuda subagentes a evitar contexto demais ou de menos, sendo útil para uso de iterative-retrieval, decisões de instalação e iterative-retrieval para Automação de Fluxos de Trabalho.

continuous-agent-loop ajuda agentes a executar loops autônomos repetíveis com quality gates, evals, etapas de recuperação e regras claras de parada para concluir tarefas com confiabilidade.

autonomous-loops é uma skill para projetar fluxos de trabalho autônomos no Claude Code, desde pipelines sequenciais simples até orquestração de DAG multiagente com quality gates e handoffs.

autonomous-agent-harness transforma o Claude Code em um sistema de agentes persistente e autônomo, com memória, execuções agendadas, despacho de tarefas e uso do computador. É indicado para orquestração de agentes, verificações recorrentes e fluxos de trabalho de longa duração quando você precisa de algo além de um prompt pontual.

Aprenda a skill agentic-engineering para execução orientada por avaliações, decomposição de tarefas, roteamento de modelos e automação de fluxos de trabalho mais segura com checagens de regressão.

A skill agent-introspection-debugging oferece um fluxo estruturado de auto-depuração para falhas de agentes de IA: capturar o estado da falha, diagnosticar as causas prováveis, aplicar uma etapa de recuperação contida e produzir um relatório de introspecção legível por humanos. Use-a em execuções com loops, muitas tentativas ou tendência a desviar do objetivo, não para verificação rotineira.

agent-harness-construction é uma skill prática para aprimorar o design de agent harness, incluindo esquemas de ferramentas, formatos de observação, recuperação de erros e orçamento de contexto para aumentar a taxa de conclusão.

subagent-driven-development é uma skill para executar planos de implementação com um subagente novo por tarefa e depois revisar cada resultado em duas etapas: primeiro a aderência à especificação, depois a qualidade do código. Ela inclui templates de prompt para o implementador, o revisor de especificação e o revisor de qualidade de código.

dispatching-parallel-agents é uma skill de orquestração de agentes para dividir tarefas realmente independentes entre agentes separados, com contexto isolado e resultados coordenados.

A skill evaluation-methodology explica a pontuação PluginEval para Model Evaluation, incluindo camadas, rubricas, pontuação composta, limites de badges e orientações práticas para interpretar resultados e melhorar dimensões fracas.

prompt-engineering-patterns é uma skill prática para design de prompts em produção, cobrindo contexto de instalação, templates reutilizáveis, exemplos few-shot, saídas estruturadas e fluxos de otimização de prompts para Context Engineering.

langchain-architecture é um guia de arquitetura para criar aplicações com LangChain 1.x e LangGraph. Use para decidir entre chains, agents, retrieval, memory e padrões de orquestração com estado antes da implementação.

team-composition-patterns é uma skill de decisão para projetar equipes multiagentes em Claude Code Agent Teams, com heurísticas de dimensionamento, seleção de subagent_type e orientação de modo de exibição. Use este guia de team-composition-patterns para aplicar equipes predefinidas de revisão/depuração, escolher papéis e padronizar a configuração de equipes entre tarefas.

A skill parallel-feature-development ajuda equipes a dividir uma funcionalidade em grupos com responsabilidades bem definidas, estabelecer contratos compartilhados desde cedo e escolher padrões de merge mais seguros para fluxos Git com múltiplos agentes. Use-a para planejar ownership de arquivos, integração com atenção às dependências e uma implementação paralela com menos conflitos.

task-coordination-strategies ajuda equipes a decompor trabalhos complexos, mapear dependências, definir critérios de aceitação e coordenar fluxos paralelos entre agentes ou colaboradores, com responsabilidades mais claras e menos conflitos de merge.

team-communication-protocols define regras de mensagens para equipes de agentes, cobrindo quando usar mensagens diretas ou em broadcast, aprovação de planos, procedimentos de desligamento e templates reutilizáveis para uma Agent Orchestration coordenada.

agentic-eval é uma skill do GitHub Copilot que mostra como criar loops de avaliação para saídas de IA usando reflexão, crítica com base em rubricas e padrões evaluator-optimizer.

agent-governance é uma skill focada em documentação para projetar guardrails de agentes de IA, verificações de políticas, regras de confiança, restrições de ferramentas e registro de auditoria em sistemas com uso de ferramentas e multiagentes.

A skill context-engineering ajuda você a estruturar o contexto do projeto para que os agentes sigam convenções, reduzam alucinações e mantenham o foco. Use-a ao iniciar uma sessão, trocar de tarefa ou montar um guia de context-engineering para uma base de código.

Entenda o que a skill pua faz, como funciona seu uso e o que avaliar antes da instalação. Cobre lógica de acionamento, roteamento de fluxo, arquivos de referência, caminhos de escalonamento e limites de configuração para Workflow Automation.

p9 é uma skill no estilo tech lead para Orquestração de Agentes, feita para redigir prompts de tarefas, coordenar agentes P8 e evitar codificação direta. Use-a para dividir objetivos de projeto em prompts executáveis e bem delimitados, com papéis, restrições, dependências e critérios de aceitação.

O ai-shaped-readiness-advisor ajuda líderes de produto a avaliar se a organização é AI-first ou AI-shaped, identificar lacunas de maturidade e escolher a próxima capacidade a desenvolver para melhorar a tomada de decisão.

agent-framework-azure-ai-py é um skill para criar agentes persistentes no Azure AI Foundry com o Microsoft Agent Framework Python SDK. Ele cobre instalação e uso do agent-framework-azure-ai-py, configuração do AzureAIAgentsProvider, conversas com threads, ferramentas hospedadas, integração com MCP, execuções em streaming e saídas estruturadas para orquestração de agentes.

O do-in-steps ajuda um agente a enfrentar tarefas complexas dividindo o trabalho em subtarefas ordenadas, orquestrando subagentes e verificando cada etapa antes de avançar. É uma boa opção para alterações em repositório, refatorações em várias etapas, migrações e do-in-steps para Agent Orchestration quando você precisa de handoff controlado e menos falhas silenciosas.