Communitygithub.com

agentic-os

Construa sistemas operacionais multi-agente persistentes no Claude Code. Abrange arquitetura de kernel, agentes especialistas, comandos de barra, memória baseada em arquivos, automação programada e gerenciamento de estado sem bancos de dados externos.

O que é agentic-os?

O Agentic OS é uma skill que transforma o Claude Code em um sistema operacional multi-agente persistente, ideal para desenvolvedores que precisam automatizar fluxos de trabalho complexos e de longa duração. Ela funciona através de uma arquitetura em quatro camadas: um kernel declarativo (CLAUDE.md) que roteia tarefas para agentes especialistas, agentes definidos em markdown, comandos de barra para workflows reutilizáveis e scripts de automação programada. A memória é totalmente baseada em arquivos JSON e markdown, eliminando a necessidade de bancos de dados externos. A skill suporta agendamento externo via cron, LaunchAgent, systemd ou pm2, garantindo que as tarefas persistam mesmo quando a sessão do Claude Code termina.

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

Perguntar na sua IA favorita

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

Documentação

Agentic OS

Trate o Claude Code como um sistema operacional / runtime persistente, em vez de uma sessão de chat. Esta skill codifica a arquitetura usada por configurações agênticas de produção: um kernel que roteia tarefas para agentes especialistas, memória persistente baseada em arquivos, automação programada e uma camada de dados em JSON/markdown.

Quando Ativar

  • Construindo um workflow multi-agente dentro do Claude Code
  • Configurando automação persistente do Claude Code que sobrevive a reinícios de sessão
  • Criando um "SO pessoal" ou "SO agêntico" para tarefas recorrentes
  • Usuário diz "agentic OS", "personal OS", "multi-agent", "agent coordinator", "persistent agent"
  • Estruturando projetos de longa duração onde o contexto deve sobreviver entre sessões

Visão Geral da Arquitetura

O Agentic OS possui quatro camadas. Cada camada é um diretório na raiz do seu projeto.

project-root/
├── CLAUDE.md          # Kernel: identidade, regras de roteamento, registro de agentes
├── agents/            # Definições de agentes especialistas (prompts em markdown)
├── .claude/commands/  # Comandos de barra: CLI voltada ao usuário
├── scripts/           # Scripts daemon: tarefas programadas ou orientadas a eventos
└── data/              # Estado: sistema de arquivos JSON/markdown, sem BD externo

Responsabilidades das Camadas

CamadaPropósitoPersistência
Kernel (CLAUDE.md)Identidade, roteamento, políticas de modelo, registro de agentesRastreado pelo Git
Agentes (agents/)Identidades especialistas com ferramentas e memória escopadasRastreado pelo Git
Comandos (.claude/commands/)Comandos de barra voltados ao usuário (/daily-sync, /outreach)Rastreado pelo Git
Scripts (scripts/)Daemons Python/JS acionados por cron ou webhooksRastreado pelo Git
Estado (data/)Logs apenas de adição, estado do projeto, registros de decisõesIgnorado ou rastreado pelo Git

O Kernel

CLAUDE.md é o kernel. Ele atua como COO / orquestrador. O Claude o lê no início da sessão e o usa para rotear o trabalho.

Estrutura do Kernel

# CLAUDE.md - Kernel do Agentic OS

## Identidade
Você é o COO do [nome-do-projeto]. Você roteia tarefas para agentes especialistas.
Você nunca escreve código diretamente. Você delega para o agente certo e sintetiza os resultados.

## Registro de Agentes

| Agente | Função | Gatilho |
|---|---|---|
| @dev | Código, arquitetura, depuração | Usuário diz "construir", "corrigir", "refatorar" |
| @writer | Documentação, conteúdo, e-mails | Usuário diz "escrever", "rascunho", "blog" |
| @researcher | Pesquisa, análise, verificação de fatos | Usuário diz "pesquisar", "analisar", "comparar" |
| @ops | DevOps, implantação, infraestrutura | Usuário diz "implantar", "CI", "servidor" |

## Regras de Roteamento
1. Analise a solicitação do usuário em busca de palavras-chave de intenção
2. Corresponda à coluna de gatilho do Registro de Agentes
3. Carregue o arquivo do agente correspondente de `agents/<nome>.md`
4. Transfira a execução com contexto completo
5. Sintetize e apresente o resultado de volta ao usuário

## Políticas de Modelo
- Modelo padrão: use o padrão do repositório ou da plataforma.
- Tarefas @dev: prefira um modelo de raciocínio mais alto para arquitetura complexa.
- Tarefas @researcher: use o modelo configurado para pesquisa e as ferramentas de busca aprovadas.
- Teto de custo: avise antes de exceder o limite de gastos configurado do projeto.

Princípio Chave

O kernel deve ser pequeno e declarativo. A lógica de roteamento vive em tabelas markdown simples, não em código. Isso torna o sistema inspecionável e editável sem depuração.

Agentes Especialistas

Cada agente é um arquivo markdown independente em agents/. O Claude carrega o arquivo do agente relevante ao rotear uma tarefa.

Formato de Definição do Agente

# @dev - Engenheiro de Software

## Identidade
Você é um engenheiro de software sênior. Você escreve código limpo, testado e de nível de produção.
Você prefere soluções simples. Você faz perguntas esclarecedoras quando os requisitos são ambíguos.

## Escopo de Memória
- Leia `data/projects/<projeto-atual>.md` para contexto
- Leia `data/decisions/` para decisões arquiteturais
- Acrescente logs de execução a `data/logs/<data>[email protected]`

## Acesso a Ferramentas
- Acesso completo ao sistema de arquivos dentro da raiz do projeto
- Operações Git (status, diff, commit, branch)
- Acesso ao executor de testes
- Servidores MCP conforme configurados em `.claude/mcp.json`

## Restrições
- Sempre escreva testes para novos recursos
- Nunca faça commit diretamente em `main`; use branches de recurso
- Prefira editar arquivos existentes a criar novos
- Mantenha funções com menos de 50 linhas quando possível

Padrão de Colaboração Multi-Agente

Quando uma tarefa abrange vários agentes, o kernel os executa sequencialmente ou em paralelo:

Usuário: "Construa uma landing page e escreva o post de lançamento do blog"

Roteamento do kernel:
1. @dev - "Construa uma landing page com [requisitos]"
2. @writer - "Escreva um post de lançamento do blog para [produto] usando o texto da landing page"
3. Kernel sintetiza ambas as saídas em uma resposta unificada

Para execução paralela, use a capacidade de tarefa em segundo plano do Claude Code ou scripts shell que invocam o Claude Code com contextos de agente específicos.

Comandos e Fluxos de Trabalho Diários

Comandos de barra são arquivos markdown em .claude/commands/. Eles definem fluxos de trabalho reutilizáveis.

Estrutura do Comando

# /daily-sync

Execute o briefing matinal:

1. Leia `data/logs/last-sync.md` para contexto
2. Verifique o status do projeto: `git status`, PRs pendentes, saúde do CI
3. Revise `data/inbox/` para novas tarefas ou decisões necessárias
4. Gere um resumo de bloqueadores, prioridades e próximas ações
5. Acrescente o briefing a `data/logs/daily/<data>.md`

Conjunto Padrão de Comandos

ComandoPropósito
/daily-syncBriefing matinal: status, bloqueadores, prioridades
/outreachExecutar fluxo de divulgação (e-mail, LinkedIn, etc.)
/research <tópico>Pesquisa aprofundada com rastreamento de citações
/apply-jobsAdaptar currículo + carta de apresentação para uma vaga alvo
/analyticsExtrair métricas do Stripe, GitHub ou fontes personalizadas
/interview-prepGerar flashcards ou perguntas simuladas de entrevista
/decision <tópico>Registrar uma decisão com prós/contras e caminho escolhido

Ativando Comandos

Coloque os arquivos de comando em .claude/commands/<nome-do-comando>.md. O Claude Code os descobre automaticamente. Os usuários os invocam com /<nome-do-comando>.

Memória Persistente

A memória é baseada em arquivos. Sem BD vetorial, sem Redis, sem PostgreSQL. Arquivos JSON e markdown em data/ são o banco de dados.

Estrutura do Diretório de Memória

data/
├── daily-logs/         # Logs diários de atividade apenas de adição
├── projects/           # Arquivos de contexto por projeto
├── decisions/          # Decisões arquiteturais e de negócios (formato ADR)
├── inbox/              # Novas tarefas ou ideias aguardando triagem
├── contacts/           # Pessoas, empresas, notas de relacionamento
└── templates/          # Prompts e formatos reutilizáveis

Formato de Log Diário

# 2026-04-22 - Log Diário

## Sessões
- 09:00 - Sessão 1: Refatoração do módulo de autenticação (@dev)
- 11:30 - Sessão 2: Rascunho da atualização para investidores (@writer)

## Decisões
- Mudou de JWT para cookies de sessão (veja `data/decisions/2026-04-22-auth.md`)

## Bloqueadores
- Aguardando chave de API do fornecedor (acompanhar em 2026-04-24)

## Próximas Ações
- [ ] Mesclar PR de refatoração de autenticação
- [ ] Enviar atualização para investidores para revisão

Padrão de Autorreflexão

Ao final de cada sessão, o kernel acrescenta uma reflexão:

## Reflexão - Sessão 3
- O que funcionou: Execução paralela de agentes economizou 20 minutos
- O que não funcionou: @researcher encontrou uma fonte atrás de paywall, precisa de melhor classificação de fontes
- O que mudar: Adicionar campo `fonte-camada` às notas de pesquisa (credibilidade A/B/C)

Isso cria um ciclo de feedback que melhora o sistema ao longo do tempo sem alterações de código.

Automação Programada

As tarefas do Agentic OS são executadas em um cron externo, não no cron embutido do Claude Code (que morre quando a sessão termina).

macOS: LaunchAgent

<!-- ~/Library/LaunchAgents/com.agentic.daily-sync.plist -->
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" ...>
<plist version="1.0">
<dict>
    <key>Label</key>
    <string>com.agentic.daily-sync</string>
    <key>ProgramArguments</key>
    <array>
        <string>/claude</string>
        <string>--cwd</string>
        <string>/path/to/project</string>
        <string>--command</string>
        <string>/daily-sync</string>
    </array>
    <key>StartCalendarInterval</key>
    <dict>
        <key>Hour</key>
        <integer>8</integer>
        <key>Minute</key>
        <integer>0</integer>
    </dict>
    <key>StandardOutPath</key>
    <string>/tmp/agentic-daily-sync.log</string>
</dict>
</plist>

Linux: systemd Timer

# ~/.config/systemd/user/agentic-daily-sync.service
[Unit]
Description=Agentic OS Daily Sync

[Service]
Type=oneshot
ExecStart=/usr/local/bin/claude --cwd /path/to/project --command /daily-sync
# ~/.config/systemd/user/agentic-daily-sync.timer
[Unit]
Description=Run daily sync every morning

[Timer]
OnCalendar=*-*-* 8:00:00
Persistent=true

[Install]
WantedBy=timers.target

Multiplataforma: pm2

# ecosystem.config.js
module.exports = {
  apps: [{
    name: 'agentic-daily-sync',
    script: 'claude',
    args: '--cwd /path/to/project --command /daily-sync',
    cron_restart: '0 8 * * *',
    autorestart: false
  }]
};

Camada de Dados

A camada de dados é o seu sistema de arquivos. Use JSON para dados estruturados e markdown para conteúdo narrativo.

JSON para Estado Estruturado

// data/projects/website-v2.json
{
  "name": "Website v2",
  "status": "em-andamento",
  "milestone": "lançamento-beta",
  "agents_involved": ["@dev", "@writer"],
  "files": {
    "spec": "docs/website-v2-spec.md",
    "design": "./designs/website-v2.fig"
  },
  "metrics": {
    "commits": 47,
    "last_session": "2026-04-22T11:30:00Z"
  }
}

Markdown para Conteúdo Narrativo

Use markdown para tudo que um humano lê: decisões, logs, notas de pesquisa, registros de contatos.

Evolução de Esquema

Nunca renomeie campos existentes. Adicione novos campos e marque os antigos como obsoletos:

{
  "name": "Website v2",
  "status": "em-andamento",
  "milestone": "lançamento-beta",
  "_deprecated_priority": "alta",
  "priority_v2": { "level": "alta", "rationale": "Bloqueia demonstração para investidores" }
}

Isso mantém os dados históricos legíveis sem scripts de migração.

Antipadrões

Agente Único Monolítico

# RUIM - Um agente faz tudo
Você é um desenvolvedor full-stack, escritor, pesquisador e engenheiro de DevOps.

Divida em agentes especialistas. O kernel lida com o roteamento.

Sessões Sem Estado

# RUIM - Sem memória entre sessões
Começando do zero toda vez que o Claude Code abre.

Sempre leia data/ no início da sessão e escreva de volta no final.

Credenciais Hardcoded

# RUIM - Chaves de API em arquivos de agente ou CLAUDE.md
Sua chave de API OpenAI é sk-xxxxxxxx

Use variáveis de ambiente ou um arquivo .env carregado por scripts. Os agentes referenciam process.env.API_KEY.

Banco de Dados Externo para Estado Simples

# RUIM - PostgreSQL para o SO agêntico de um único usuário

Use arquivos JSON/markdown até ter vários usuários concorrentes ou GBs de dados.

Roteamento Superengenhado

# RUIM - Lógica de roteamento em código em vez de tabelas markdown
if (intent.includes('deploy')) { agent = opsAgent; }

Mantenha o roteamento declarativo em tabelas markdown no CLAUDE.md. É inspecionável, editável e depurável.

Melhores Práticas

  • CLAUDE.md tem menos de 200 linhas e cabe na janela de contexto
  • Cada arquivo de agente tem menos de 100 linhas e é focado em um domínio
  • data/ é ignorado pelo Git para logs sensíveis, rastreado para decisões e especificações
  • Comandos usam nomes imperativos: /daily-sync, não /run-daily-sync
  • Logs são apenas de adição; nunca edite logs diários passados
  • Todo agente tem uma seção Memory Scope definindo quais arquivos ele lê
  • Reflexões são escritas no final de cada sessão
  • Tarefas programadas usam cron externo (LaunchAgent, systemd, pm2), não o cron de sessão do Claude Code
  • Rastreamento de custos: registre o gasto de API por sessão em data/logs/<data>-costs.json
  • Um projeto = um Agentic OS. Não compartilhe um único CLAUDE.md entre projetos não relacionados.

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-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

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