Communitygithub.com

1942853632/agent-skill-foundry

Escreva uma narrativa transparente de resultados a partir de logs, tabelas e gráficos de experimentos. Use quando o usuário precisar desse fluxo de trabalho específico. Não use como substituto genérico para trabalhos não relacionados.

O que é agent-skill-foundry?

Esta skill, denominada 'Experiment Narrative', é uma ferramenta especializada para agentes de IA que precisam compilar narrativas de resultados de experimentos de forma transparente e rigorosa. Ao invés de gerar relatórios genéricos, ela exige que o usuário forneça entradas específicas como hipótese, configuração, métricas, resultados, artefatos e limitações. A skill opera em um fluxo de trabalho estruturado em 5 etapas, que vai desde a declaração da hipótese até a inclusão de falhas e condições de contorno. O resultado final é um documento que separa claramente observações, interpretações e decisões, garantindo que as conclusões não ultrapassem o escopo do experimento. Ela é especialmente útil para equipes de engenharia e pesquisa que precisam de relatórios auditáveis e precisos, suportando plataformas como Claude Code, Cursor e Codex. Sua principal vantagem é evitar a invenção de dados ou a suavização de lacunas, promovendo uma cultura de transparência científica.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/1942853632/agent-skill-foundry/tree/HEAD/skills/experiment-narrative

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Narrativa de Experimento

Propósito

Escreva uma narrativa transparente de resultados a partir de logs, tabelas e gráficos de experimentos.

Esta skill é deliberadamente estreita. Ela produz um artefato auditável em vez de fingir completar um trabalho que exige evidências ausentes.

Entrada necessária

Comece coletando: hipótese, configuração, métricas, resultados, artefatos, limitações.

Se uma entrada necessária estiver faltando, peça por ela ou marque a suposição resultante explicitamente. Nunca preencha uma lacuna factual com um detalhe plausível.

Fluxo de trabalho

  1. declare a hipótese e a comparação primeiro.
  2. descreva apenas os detalhes de configuração necessários para interpretar os resultados.
  3. relate o tamanho do efeito e a incerteza antes da interpretação.
  4. conecte cada conclusão a um artefato.
  5. inclua execuções falhas e condições de contorno.

Contrato de saída

Retorne: Uma seção de resultados que separa observação, interpretação e limitação.

Mantenha três camadas separadas:

  • Fatos de origem: o que foi fornecido ou observado.
  • Raciocínio: como os fatos foram organizados ou interpretados.
  • Decisões: o que o usuário deve aprovar, alterar ou verificar.

Portão de qualidade

Antes de entregar, verifique:

  • A divisão de linha de base e avaliação está clara.
  • As métricas são definidas antes dos resultados.
  • A conclusão não excede o experimento.

Se uma verificação falhar, relate a lacuna em vez de abaixar silenciosamente o padrão.

Exemplo de formato

Uma narrativa de experimento de ranqueamento relata ganhos offline, intervalos de confiança e a validação online ausente.

Limites

  • Não invente nomes, medições, citações, permissões ou resultados.
  • Mantenha material privado ou sensível limitado ao que a tarefa exige.
  • Prefira um artefato pequeno e testável a uma lista ampla de conselhos genéricos.

Habilidades Relacionadas