Communitygithub.com

prompt-optimizer

Analisa um prompt, critica-o, associa a componentes do ecossistema ECC e gera um prompt otimizado e completo pronto para uso.

O que é prompt-optimizer?

Essa skill (Prompt Optimizer) tem como objetivo ajudar desenvolvedores e usuários de agentes de IA (como Claude Code, Cursor, Codex) a melhorar seus prompts. Ao receber um rascunho de prompt, ela executa um pipeline de 6 fases: (0) Detecção de Projeto (lê arquivos como package.json, go.mod, etc. para identificar o tech stack); (1) Detecção de Intenção (classifica a tarefa como nova funcionalidade, correção de bug, refatoração, etc.); (2) Avaliação de Escopo (estima se a tarefa é trivial, pequena, média, grande ou épica); (3) Mapeamento de Componentes ECC (sugere comandos, skills e agentes específicos com base na intenção e no tech stack); (4) Detecção de Contexto Ausente (identifica informações críticas faltando, como critérios de aceitação, requisitos de segurança, etc.); e (5) Recomendação de Workflow e Modelo (sugere o modelo de IA ideal — Sonnet 5, Opus 5 — e uma estratégia de execução). O resultado é um prompt otimizado, dividido em versões completa e rápida, pronto para copiar e colar, além de uma análise detalhada dos pontos fortes e fracos do original.

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

Perguntar na sua IA favorita

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

Documentação

Prompt Optimizer

Analise um rascunho de prompt, critique-o, associe-o a componentes do ecossistema ECC e gere um prompt otimizado e completo que o usuário possa copiar e executar.

Quando Usar

  • O usuário diz "otimize este prompt", "melhore meu prompt", "reescreva este prompt"
  • O usuário diz "me ajude a escrever um prompt melhor para..."
  • O usuário diz "qual a melhor forma de perguntar ao Claude Code para..."
  • O usuário diz "优化prompt", "改进prompt", "怎么写prompt", "帮我优化这个指令"
  • O usuário cola um rascunho de prompt e pede feedback ou aprimoramento
  • O usuário diz "não sei como criar um prompt para isso"
  • O usuário diz "como devo usar o ECC para..."
  • O usuário invoca explicitamente /prompt-optimize

Não Usar Quando

  • O usuário quer que a tarefa seja feita diretamente (apenas execute-a)
  • O usuário diz "优化代码", "优化性能", "otimize este código", "otimize o desempenho" — são tarefas de refatoração, não de otimização de prompt
  • O usuário está perguntando sobre configuração do ECC (use configure-ecc)
  • O usuário quer um inventário de skills (use skill-stocktake)
  • O usuário diz "apenas faça" ou "直接做"

Como Funciona

Apenas consultivo — não execute a tarefa do usuário.

NÃO escreva código, crie arquivos, execute comandos ou tome qualquer ação de implementação. Sua ÚNICA saída é uma análise mais um prompt otimizado.

Se o usuário disser "apenas faça", "直接做" ou "não otimize, apenas execute", não mude para o modo de implementação dentro desta skill. Informe ao usuário que esta skill apenas produz prompts otimizados e instrua-o a fazer uma solicitação de tarefa normal se quiser execução.

Execute este pipeline de 6 fases sequencialmente. Apresente os resultados usando o Formato de Saída abaixo.

Pipeline de Análise

Fase 0: Detecção de Projeto

Antes de analisar o prompt, detecte o contexto do projeto atual:

  1. Verifique se existe um arquivo CLAUDE.md no diretório de trabalho — leia-o para obter as convenções do projeto
  2. Detecte a pilha de tecnologia a partir dos arquivos do projeto:
    • package.json → Node.js / TypeScript / React / Next.js
    • go.mod → Go
    • pyproject.toml / requirements.txt → Python
    • Cargo.toml → Rust
    • build.gradle / pom.xml → Java / Kotlin (em seguida, verifique se há quarkus no arquivo de build → Quarkus, ou spring-boot → Spring Boot)
    • Package.swift → Swift
    • Gemfile → Ruby
    • composer.json → PHP
    • *.csproj / *.sln → .NET
    • Makefile / CMakeLists.txt → C / C++
    • cpanfile / Makefile.PL → Perl
  3. Anote a pilha de tecnologia detectada para uso nas Fases 3 e 4

Se nenhum arquivo de projeto for encontrado (por exemplo, o prompt é abstrato ou para um novo projeto), pule a detecção e sinalize "pilha de tecnologia desconhecida" na Fase 4.

Fase 1: Detecção de Intenção

Classifique a tarefa do usuário em uma ou mais categorias:

CategoriaPalavras-chaveExemplo
Nova Funcionalidadeconstruir, criar, adicionar, implementar, 创建, 实现, 添加"Criar uma página de login"
Correção de Bugcorrigir, quebrado, não funciona, erro, 修复, 报错"Corrigir o fluxo de autenticação"
Refatoraçãorefatorar, limpar, reestruturar, 重构, 整理"Refatorar a camada de API"
Pesquisacomo fazer, o que é, explorar, investigar, 怎么, 如何"Como adicionar SSO"
Testestestar, cobertura, verificar, 测试, 覆盖率"Adicionar testes para o carrinho"
Revisãorevisar, auditar, verificar, 审查, 检查"Revisar meu PR"
Documentaçãodocumentar, atualizar docs, 文档"Atualizar a documentação da API"
Infraestruturaimplantar, CI, docker, banco de dados, 部署, 数据库"Configurar pipeline CI/CD"
Designprojetar, arquitetura, planejar, 设计, 架构"Projetar o modelo de dados"

Fase 2: Avaliação de Escopo

Se a Fase 0 detectou um projeto, use o tamanho da base de código como sinal. Caso contrário, estime apenas a partir da descrição do prompt e marque a estimativa como incerta.

EscopoHeurísticaOrquestração
TRIVIALArquivo único, < 50 linhasExecução direta
BAIXOComponente ou módulo únicoComando ou skill único
MÉDIOMúltiplos componentes, mesmo domínioCadeia de comandos + /verify
ALTOEntre domínios, 5+ arquivos/plan primeiro, depois execução em fases
ÉPICOMulti-sessão, multi-PR, mudança arquiteturalUse a skill blueprint para plano multi-sessão

Fase 3: Mapeamento de Componentes ECC

Mapeie intenção + escopo + pilha de tecnologia (da Fase 0) para componentes ECC específicos.

Por Tipo de Intenção

IntençãoComandosSkillsAgentes
Nova Funcionalidade/plan, /tdd, /code-review, /verifytdd-workflow, verification-loopplanner, tdd-guide, code-reviewer
Correção de Bug/tdd, /build-fix, /verifytdd-workflowtdd-guide, build-error-resolver
Refatoração/refactor-clean, /code-review, /verifyverification-looprefactor-cleaner, code-reviewer
Pesquisa/plansearch-first, iterative-retrieval—
Testes/tdd, /e2e, /test-coveragetdd-workflow, e2e-testingtdd-guide, e2e-runner
Revisão/code-reviewsecurity-reviewcode-reviewer, security-reviewer
Documentação/update-docs, /update-codemaps—doc-updater
Infraestrutura/plan, /verifydocker-patterns, deployment-patterns, database-migrationsarchitect
Design (MÉDIO-ALTO)/plan—planner, architect
Design (ÉPICO)—blueprint (invocar como skill)planner, architect

Por Pilha de Tecnologia

Pilha de TecnologiaSkills a AdicionarAgente
Python / Djangodjango-patterns, django-tdd, django-security, django-verification, python-patterns, python-testingpython-reviewer
Gogolang-patterns, golang-testinggo-reviewer, go-build-resolver
Spring Boot / Javaspringboot-patterns, springboot-tdd, springboot-security, springboot-verification, java-coding-standards, jpa-patternsjava-reviewer
Quarkus / Javaquarkus-patterns, quarkus-tdd, quarkus-security, quarkus-verification, java-coding-standards, jpa-patternsjava-reviewer
Kotlin / Androidkotlin-coroutines-flows, compose-multiplatform-patterns, android-clean-architecturekotlin-reviewer
TypeScript / Reactfrontend-patterns, backend-patterns, coding-standardscode-reviewer
Swift / iOSswiftui-patterns, swift-concurrency-6-2, swift-actor-persistence, swift-protocol-di-testingcode-reviewer
PostgreSQLpostgres-patterns, database-migrationsdatabase-reviewer
Perlperl-patterns, perl-testing, perl-securitycode-reviewer
C++cpp-coding-standards, cpp-testingcode-reviewer
Outros / Não Listadoscoding-standards (universal)code-reviewer

Fase 4: Detecção de Contexto Ausente

Examine o prompt em busca de informações críticas ausentes. Verifique cada item e marque se a Fase 0 o detectou automaticamente ou se o usuário deve fornecê-lo:

  • Pilha de tecnologia — Detectada na Fase 0, ou o usuário precisa especificar?
  • Escopo alvo — Arquivos, diretórios ou módulos mencionados?
  • Critérios de aceitação — Como saber se a tarefa está concluída?
  • Tratamento de erros — Casos extremos e modos de falha abordados?
  • Requisitos de segurança — Autenticação, validação de entrada, segredos?
  • Expectativas de teste — Unitário, integração, E2E?
  • Restrições de desempenho — Carga, latência, limites de recursos?
  • Requisitos de UI/UX — Especificações de design, responsivo, acessibilidade? (se frontend)
  • Alterações no banco de dados — Esquema, migrações, índices? (se camada de dados)
  • Padrões existentes — Arquivos de referência ou convenções a seguir?
  • Limites do escopo — O que NÃO fazer?

Se 3+ itens críticos estiverem ausentes, faça ao usuário até 3 perguntas de esclarecimento antes de gerar o prompt otimizado. Em seguida, incorpore as respostas no prompt otimizado.

Fase 5: Recomendação de Workflow e Modelo

Determine onde este prompt se encaixa no ciclo de vida do desenvolvimento:

Pesquisa → Planejar → Implementar (TDD) → Revisar → Verificar → Confirmar

Para tarefas MÉDIAS+, sempre comece com /plan. Para tarefas ÉPICAS, use a skill blueprint.

Recomendação de modelo (incluir na saída):

EscopoModelo RecomendadoJustificativa
TRIVIAL-BAIXOSonnet 5Rápido, econômico para tarefas simples
MÉDIOSonnet 5Melhor modelo de codificação para trabalho padrão
ALTOSonnet 5 (principal) + Opus 5 (planejamento)Opus para arquitetura, Sonnet para implementação
ÉPICOOpus 5 (blueprint) + Sonnet 5 (execução)Raciocínio profundo para planejamento multi-sessão

Divisão multi-prompt (para escopo ALTO/ÉPICO):

Para tarefas que excedem uma única sessão, divida em prompts sequenciais:

  • Prompt 1: Pesquisa + Planejamento (use a skill search-first, depois /plan)
  • Prompt 2-N: Implemente uma fase por prompt (cada um termina com /verify)
  • Prompt Final: Teste de integração + /code-review em todas as fases
  • Use /save-session e /resume-session para preservar o contexto entre as sessões

Formato de Saída

Apresente sua análise nesta estrutura exata. Responda no mesmo idioma da entrada do usuário.

Seção 1: Diagnóstico do Prompt

Pontos Fortes: Liste o que o prompt original faz bem.

Problemas:

ProblemaImpactoCorreção Sugerida
(problema)(consequência)(como corrigir)

Precisa de Esclarecimento: Lista numerada de perguntas que o usuário deve responder. Se a Fase 0 detectou automaticamente a resposta, informe-a em vez de perguntar.

Seção 2: Componentes ECC Recomendados

TipoComponentePropósito
Comando/planPlanejar arquitetura antes de codificar
Skilltdd-workflowOrientação sobre metodologia TDD
Agentecode-reviewerRevisão pós-implementação
ModeloSonnet 5Recomendado para este escopo

Seção 3: Prompt Otimizado — Versão Completa

Apresente o prompt otimizado completo dentro de um único bloco de código com cerca. O prompt deve ser autocontido e pronto para copiar e colar. Inclua:

  • Descrição clara da tarefa com contexto
  • Pilha de tecnologia (detectada ou especificada)
  • Invocações de /comando nos estágios corretos do workflow
  • Critérios de aceitação
  • Etapas de verificação
  • Limites do escopo (o que NÃO fazer)

Para itens que referenciam blueprint, escreva: "Use a skill blueprint para..." (não /blueprint, já que blueprint é uma skill, não um comando).

Seção 4: Prompt Otimizado — Versão Rápida

Uma versão compacta para usuários experientes do ECC. Varie por tipo de intenção:

IntençãoPadrão Rápido
Nova Funcionalidade/plan [funcionalidade]. /tdd para implementar. /code-review. /verify.
Correção de Bug/tdd — escrever teste falho para [bug]. Corrigir até ficar verde. /verify.
Refatoração/refactor-clean [escopo]. /code-review. /verify.
PesquisaUse a skill search-first para [tópico]. /plan com base nos resultados.
Testes/tdd [módulo]. /e2e para fluxos críticos. /test-coverage.
Revisão/code-review. Em seguida, use o agente security-reviewer.
Documentação/update-docs. /update-codemaps.
ÉPICOUse a skill blueprint para "[objetivo]". Execute as fases com gates /verify.

Seção 5: Justificativa dos Aprimoramentos

AprimoramentoMotivo
(o que foi adicionado)(por que é importante)

Rodapé

Não é o que você precisa? Diga o que ajustar, ou faça uma solicitação de tarefa normal se quiser execução em vez de otimização de prompt.


Exemplos

Exemplos de Gatilho

  • "Otimize este prompt para o ECC"
  • "Reescreva este prompt para que o Claude Code use os comandos corretos"
  • "帮我优化这个指令"
  • "Como devo criar um prompt para o ECC para esta tarefa?"

Exemplo 1: Prompt Vago em Chinês (Projeto Detectado)

Entrada do usuário:

帮我写一个用户登录页面

Fase 0 detecta: package.json com Next.js 15, TypeScript, Tailwind CSS

Prompt Otimizado (Completo):

Usando a pilha de tecnologia existente do projeto (Next.js 15 + TypeScript + Tailwind CSS) implemente uma página de login de usuário.

Requisitos técnicos:
- Siga as convenções de componentes e roteamento existentes do projeto
- Validação de formulário usando o esquema de validação já existente no projeto (verifique se Zod/Yup/outro já está sendo usado)
- Método de autenticação: use o esquema de autenticação existente do projeto (se não houver, padrão JWT)
- Incluir: formulário de login com email/senha, validação de formulário, mensagens de erro, estado de carregamento, layout responsivo

Workflow:
1. /plan — primeiro, planeje a estrutura do componente e o fluxo de autenticação, referenciando os padrões de páginas existentes
2. /tdd — testes primeiro: escreva testes de unidade para o formulário de login e testes de integração para o fluxo de autenticação
3. Implemente a página de login e a lógica de autenticação
4. /code-review — revise a implementação
5. /verify — verifique se todos os testes passam e a página é renderizada corretamente

Requisitos de segurança:
- Senha não transmitida em texto claro
- Prevenção contra força bruta (rate limiting)
- Proteção XSS
- Token CSRF

Critérios de aceitação:
- Todos os testes passam, cobertura 80%+
- Página renderiza corretamente em dispositivos móveis e desktop
- Login bem-sucedido redireciona para o dashboard, falha exibe mensagem de erro

Não fazer:
- Não implementar página de registro
- Não implementar funcionalidade de "esqueci a senha"
- Não modificar a estrutura de roteamento existente

Exemplo 2: Prompt Moderado em Inglês

Entrada do usuário:

Add a REST API endpoint for user profile updates with validation

Fase 0 detecta: go.mod com Go 1.22, Chi router

Prompt Otimizado (Completo):

Adicione um endpoint de API REST para atualizações de perfil de usuário (PATCH /api/users/:id).

Pilha de tecnologia: Go 1.22 + Chi router (detectado do projeto)

Requisitos:
- PATCH /api/users/:id — atualização parcial do perfil do usuário
- Validação de entrada para campos: name, email, avatar_url, bio
- Autenticação: exigir token válido, usuários só podem atualizar o próprio perfil
- Retornar 200 com o usuário atualizado em caso de sucesso
- Retornar 400 com erros de validação em caso de entrada inválida
- Retornar 401/403 para falhas de autenticação
- Seguir os padrões de API existentes na base de código

Workflow:
1. /plan — planeje a estrutura do endpoint, cadeia de middlewares e lógica de validação
2. /tdd — escreva testes orientados por tabela para sucesso, falha de validação, falha de autenticação, não encontrado
3. Implemente seguindo os padrões de handler existentes
4. /go-review
5. /verify — execute o conjunto completo de testes, confirme que não há regressões

Não fazer:
- Não modificar endpoints existentes
- Não alterar o esquema do banco de dados (use a tabela de usuários existente)
- Não adicionar novas dependências sem verificar as existentes primeiro (use a skill search-first)

Exemplo 3: Projeto Épico

Entrada do usuário:

Migrate our monolith to microservices

Prompt Otimizado (Completo):

Use a skill blueprint para planejar: "Migrar monólito para arquitetura de microsserviços"

Antes de executar, responda estas perguntas no blueprint:
1. Quais limites de domínio existem no monólito atual?
2. Qual serviço deve ser extraído primeiro (menor acoplamento)?
3. Padrão de comunicação: APIs REST, gRPC ou orientado a eventos (Kafka/RabbitMQ)?
4. Estratégia de banco de dados: banco de dados compartilhado inicialmente ou banco de dados por serviço desde o início?
5. Alvo de implantação: Kubernetes, Docker Compose ou serverless?

O blueprint deve produzir fases como:
- Fase 1: Identificar limites de serviço e criar mapa de domínio
- Fase 2: Configurar infraestrutura (API gateway, service mesh, CI/CD por serviço)
- Fase 3: Extrair primeiro serviço (padrão strangler fig)
- Fase 4: Verificar com testes de integração, depois extrair próximo serviço
- Fase N: Descomissionar monólito

Cada fase = 1 PR, com gates /verify entre as fases.
Use /save-session entre as fases

...

[truncado para tradução]

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