Communitygithub.com

growth-log

Use após uma tarefa complexa, falha ou ao revisar o que foi aprendido. Ensina a escrever registros de crescimento que extraem padrões reutilizáveis – não entradas de diário.

O que é growth-log?

Este skill ensina como criar registros de aprendizado que realmente geram valor composto entre sessões, transformando eventos concretos em padrões reutilizáveis. Ele se baseia em três regras fundamentais: falhas são mais ricas que conquistas (Rule 1), o Princípio Bole para evitar duplicação (Rule 2) e a obrigatoriedade de transferibilidade (Rule 3) – cada entrada deve responder 'O que farei diferente da próxima vez?'. O skill fornece um template estruturado (título focado no padrão, contexto, causa raiz, padrão transferível e sinais de reconhecimento) e quatro tipos de entrada (Falha, Metodologia, Descoberta de Padrão e Mudança de Capacidade). Suporta qualquer sistema de anotações (Markdown, Notion, Obsidian, texto puro) e é independente de plataforma, podendo ser usado com Cursor, Claude Code, Codex, Windsurf ou qualquer agente de IA. A qualidade é verificada por uma checklist que garante que cada entrada seja um artefato de aprendizado genuíno, não um diário.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/growth-log

Perguntar na sua IA favorita

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

Documentação

Habilidade de Registro de Crescimento

O problema: A maioria das pessoas escreve "corrigi um bug em X" como registro de aprendizado. Isso é uma entrada de diário, não um artefato de aprendizado. Um verdadeiro registro de crescimento extrai o padrão para que você o reconheça na próxima vez.

Esta habilidade ensina: Como escrever entradas de aprendizado que se acumulam entre sessões. Funciona com qualquer sistema de anotações — arquivos Markdown, Notion, Obsidian, texto puro. Os templates são genéricos; adapte à sua configuração.

Quando Ativar

  • Após concluir uma tarefa complexa (vários arquivos, nova funcionalidade, alteração de arquitetura)
  • Após uma falha, erro ou momento de "isso foi mais difícil do que esperava"
  • Quando quiser revisar o que aprendeu ao longo de um período

Quando NÃO ativar: Alterações triviais (correções de digitação, ajustes de uma linha, mudanças de valor de configuração sem depuração). O limite: essa tarefa envolveu depuração, refazer, rollback ou uma decisão não óbvia? Se sim → escreva uma entrada. Se não → pule.

As Três Regras

Regra 1: Falhas > Conquistas

Uma falha é nutricionalmente mais densa que um sucesso. Um bug que levou 2 horas para encontrar ensina mais do que 3 funcionalidades que funcionaram na primeira tentativa.

Ruim: "Implementei o fluxo de login com sucesso." Bom (desenvolvimento web): "Fluxo de login: o token de sessão não estava persistindo porque o SameSite do cookie estava padrão como Lax no Chrome 128+. Padrão: sempre definir explicitamente SameSite=None; Secure quando for de origens cruzadas. Sinal para reconhecer: autenticação quebra após atualização do navegador ou ao cruzar limites de origem." Bom (pipeline de dados): "A importação CSV falhou silenciosamente em linhas vazias porque pandas.read_csv(dropna=False) mantém linhas de largura zero que len() conta como válidas. Padrão: sempre usar df.dropna(how='all', inplace=True) antes da validação de contagem de linhas."

Regra 2: O Princípio Bole (伯乐原则)

Antes de escrever uma nova entrada, pergunte: "Isto é fundamentalmente o mesmo que algo que já registrei?"

Mesma causa raiz, sintoma diferente → mescle, não duplique. Nova causa raiz → nova entrada.

Como verificar: Pesquise entradas existentes por palavras-chave da sua causa raiz antes de escrever. Se encontrar uma correspondência, adicione seu novo sintoma como um exemplo adicional na entrada existente, em vez de criar uma duplicata.

Exemplo: "Esqueci de atualizar o índice de saída após criar um arquivo" e "Esqueci de atualizar as classificações de habilidade após uma tarefa" — mesma causa raiz (sem gatilho de captura automática). Mesclar em uma única entrada sobre "lacunas de captura pós-tarefa."

Regra 3: Deve Ser Transferível

Cada entrada deve responder: "Na próxima vez que enfrentar uma situação semelhante, o que faço de diferente?"

Se você não consegue escrever essa frase, ainda não extraiu o padrão.

Como extrair um padrão de um evento concreto:

  1. Declare o que aconteceu em uma frase
  2. Pergunte "por quê?" iterativamente até alcançar a causa raiz (geralmente 3-5 porquês)
  3. Generalize: "Que classe de problema é esta?" (não "bug do Chrome 128" mas "mudança de padrão do navegador quebrando comportamento existente")
  4. Formule como: "Na próxima vez que eu vir [sinal], farei [ação]."
  5. Nomeie o sinal: qual observável específico indica que este padrão está ativo?

Template de Entrada

Escopo: Uma entrada por causa raiz distinta. Comprimento típico: 4-8 frases. Se levar >2 minutos para escrever, você está narrando eventos. Se <30 segundos, não foi fundo o suficiente.

## [Título: o padrão, não o evento]

### Contexto
- O que eu estava tentando fazer?
- O que deu errado / o que funcionou surpreendentemente bem?

### Causa Raiz / Insight Central
- O mecanismo subjacente, não apenas o sintoma

### O Padrão (transferível)
- Na próxima vez [situação semelhante], farei [ação específica].
- Sinal para reconhecer: [qual observável me diz que este padrão está ativo?]

### Relacionados
- [nome-da-entrada](../caminho/para/entrada-relacionada.md)

Tipos de Entrada

Todos os quatro tipos usam o template acima. O tipo determina quais seções têm mais peso:

TipoQuando UsarÊnfaseExemplo de Título
FalhaAlgo quebrou, precisou de depuração ou exigiu retrabalhoCausa Raiz"Herança de configuração ≠ herança de comportamento entre sessões"
MetodologiaUm processo repetível emergiu do trabalhoContexto / Padrão"PPT → guia de estudo para prova de livro aberto: estrutura de três camadas"
Descoberta de PadrãoUm insight reutilizável sobre ferramentas, sistemas ou pensamentoSeção de Padrão"Template de descrição de PR: descreva a lacuna, não a funcionalidade"
Mudança de CapacidadeUma melhoria mensurável de habilidadeContexto (antes vs depois)"Git: de clone/push para PR independente com 12 commits"

Checklist de Qualidade

Antes de finalizar uma entrada de registro de crescimento:

  • O título nomeia o padrão, não o evento?
  • Há uma frase "Na próxima vez farei..."?
  • O "Sinal para reconhecer" é específico o suficiente para acionar o padrão na próxima vez?
  • Pesquisei entradas existentes em busca de duplicatas antes de escrever? (Princípio Bole)
  • A causa raiz está distinguida do sintoma?
  • As memórias relacionadas estão vinculadas?
  • A entrada tem 4-8 frases? Menor = muito superficial; maior = narrando eventos.

Antipadrões

  • Evite: "Corrigi bug no módulo de pagamento" (evento, não padrão)
  • Evite: Copiar a mensagem do commit do git literalmente (commits descrevem o que mudou; registros extraem por que é importante)
  • Evite: Escrever uma entrada para cada commit (apenas quando um padrão emerge)
  • Evite: Pular a frase transferível (sem ela, é apenas um diário — isto não é negociável)
  • Evite: Duplicar o mesmo padrão sob títulos diferentes (viola o Princípio Bole — pesquise antes de escrever)

Armazenamento

Armazene entradas onde você mantém anotações. Padrões comuns:

  • Arquivos Markdown em um diretório growth-log/ (um arquivo por dia: YYYY-MM-DD.md)
  • Uma seção dedicada no Notion, Obsidian ou seu aplicativo de anotações
  • Arquivos de texto puro com uma convenção de nomenclatura consistente

Escolha uma convenção e mantenha-a. A capacidade de pesquisa é mais importante que o formato.

Se Você Usa o Delivery Gate

O hook de Parada delivery-gate verifica se os arquivos de aprendizado foram modificados hoje por meio de timestamps do sistema de arquivos. Esta habilidade ensina o que escrever — para que o arquivo que o delivery-gate verifica realmente contenha padrões úteis, não timestamps vazios.

Tarefa concluída → delivery-gate verifica: o arquivo de aprendizado foi tocado hoje?
  → Desatualizado (nenhum arquivo modificado): bloqueie — "o que você aprendeu?"
  → Recente (arquivo tocado): passe — esta habilidade garante que o conteúdo seja útil

Ter aplicação sem metodologia → entradas vazias. Ter metodologia sem aplicação → capturas esquecidas. Cada uma é útil independentemente; juntas fecham o ciclo.

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.

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.

Habilidades Relacionadas