Communitygithub.com

engenharia-agenciada

Opere como engenheiro agenciado usando execução baseada em avaliação, decomposição e roteamento de modelos com consciência de custo. Use ao planejar ou executar trabalhos de engenharia que agentes realizarão do início ao fim.

O que é engenharia-agenciada?

Esta skill define uma abordagem sistemática para engenharia orientada por agentes de IA, com foco em execução baseada em avaliação, decomposição de tarefas e roteamento inteligente de modelos. Ela estabelece princípios operacionais claros, como definir critérios de conclusão antes da execução e decompor o trabalho em unidades independentes e verificáveis (a regra da unidade de 15 minutos), cada uma com um risco dominante e uma condição de conclusão explícita. A skill também especifica o roteamento de modelos por complexidade da tarefa: Haiku para tarefas simples, Sonnet para implementações e refatorações, e Opus para arquitetura e análise de causas raiz. Projetada para plataformas como Claude Code, Cursor, Codex e Aider, ela promove disciplina de custo (rastreando modelo, tokens, tentativas e tempo) e um loop de avaliação contínuo, onde a execução é sempre validada por avaliações de capacidade e regressão. Útil para desenvolvedores que buscam maximizar a eficiência e a qualidade do código gerado por IA, minimizando desperdícios e riscos.

Funciona com~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/agentic-engineering

Perguntar na sua IA favorita

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

Documentação

Engenharia Agenciada

Use esta skill para fluxos de trabalho de engenharia onde agentes de IA realizam a maior parte do trabalho de implementação e humanos aplicam controles de qualidade e risco.

Princípios Operacionais

  1. Defina critérios de conclusão antes da execução.
  2. Decomponha o trabalho em unidades adequadas para agentes.
  3. Roteie camadas de modelo conforme a complexidade da tarefa.
  4. Meça com avaliações e verificações de regressão.

Loop de Avaliação Primeiro

  1. Defina a avaliação de capacidade e a avaliação de regressão.
  2. Execute a linha de base e capture assinaturas de falha.
  3. Execute a implementação.
  4. Reexecute as avaliações e compare deltas.

Decomposição de Tarefas

Aplique a regra da unidade de 15 minutos:

  • cada unidade deve ser verificável de forma independente
  • cada unidade deve ter um único risco dominante
  • cada unidade deve expor uma condição de conclusão clara

Roteamento de Modelos

  • Haiku: classificação, transformações boilerplate, edições estreitas
  • Sonnet: implementação e refatorações
  • Opus: arquitetura, análise de causa raiz, invariantes em múltiplos arquivos

Estratégia de Sessão

  • Continue a sessão para unidades estreitamente acopladas.
  • Inicie uma nova sessão após transições de fase importantes.
  • Compacte após a conclusão de marcos, não durante depuração ativa.

Foco de Revisão para Código Gerado por IA

Priorize:

  • invariantes e casos de borda
  • limites de erro
  • suposições de segurança e autenticação
  • acoplamento oculto e risco de implantação

Não desperdice ciclos de revisão em discordâncias apenas de estilo quando formatadores/linters automatizados já impõem estilo.

Disciplina de Custo

Acompanhe por tarefa:

  • modelo
  • estimativa de tokens
  • tentativas
  • tempo de parede
  • sucesso/fracasso

Eleve a camada de modelo apenas quando a camada inferior falhar com uma lacuna de raciocínio clara.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

api-connector-builder

Build a new API connector or provider by matching the target repo

Habilidades Relacionadas