Communitygithub.com

skill-scout

Busca habilidades existentes em fontes locais, marketplace, GitHub e web antes de criar uma nova habilidade. Use quando o usuário quiser criar, construir, bifurcar ou encontrar uma habilidade para um fluxo de trabalho.

O que é skill-scout?

O skill-scout é uma habilidade para agentes de IA (como Claude Code, Cursor, Codex) que evita retrabalho e duplicação ao pesquisar habilidades já existentes antes de criar uma nova. Ele atua em seis etapas: captura a intenção do usuário (tarefa, gatilhos, domínio e palavras-chave), pesquisa fontes locais (habilidades instaladas e do marketplace) e remotas (GitHub e web), avalia candidatos externos quanto a segurança e manutenção, classifica os resultados por relevância, e apresenta opções claras ao usuário (usar existente, bifurcar ou criar do zero). É útil para desenvolvedores que desejam reutilizar soluções da comunidade, evitar duplicação de esforço e integrar habilidades de forma segura. O skill-scout suporta qualquer plataforma que utilize habilidades baseadas em SKILL.md e prioriza fontes locais e do marketplace, seguidas por repositórios GitHub ativos e menções web. Ele também inclui exemplos de tabelas de resultado e resumos para o usuário, além de anti-padrões como pular diretamente para criação ou instalar habilidades externas sem revisão.

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

Perguntar na sua IA favorita

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

Documentação

Skill Scout

Use esta habilidade antes de criar uma nova habilidade. O objetivo é evitar duplicar trabalho existente da comunidade ou marketplace, enquanto ainda avalia qualquer conteúdo externo antes da adoção.

Fonte: recuperado do stale community PR #1232 por redminwang.

Quando Usar

  • O usuário diz "criar uma habilidade", "construir uma habilidade", "fazer uma habilidade" ou "nova habilidade".
  • O usuário pergunta "existe uma habilidade para X?" ou "existe uma habilidade que faça Y?"
  • O usuário descreve um fluxo de trabalho e você está prestes a sugerir criar uma nova habilidade.
  • O usuário quer bifurcar ou estender uma habilidade existente.

Se o usuário explicitamente disser para pular a pesquisa ou criar do zero, reconheça isso e prossiga com o fluxo de criação solicitado.

Como Funciona

Etapa 1 - Capturar Intenção

Extraia:

  • A tarefa que a habilidade deve executar.
  • As condições de gatilho para usá-la.
  • O domínio, ferramentas, frameworks ou fontes de dados envolvidos.
  • Três a cinco palavras-chave de pesquisa mais sinônimos úteis.

Etapa 2 - Pesquisar Fontes Locais

Pesquise primeiro os nomes de habilidades instaladas e do marketplace. Fontes locais são preferidas porque já fazem parte do ambiente do usuário.

find ~/.claude/skills -maxdepth 2 -name SKILL.md 2>/dev/null | grep -iE "palavra-chave|sinônimo"
find ~/.claude/plugins/marketplaces -path '*/skills/*/SKILL.md' 2>/dev/null | grep -iE "palavra-chave|sinônimo"

Depois pesquise nas descrições do frontmatter:

grep -RilE "palavra-chave|sinônimo" ~/.claude/skills ~/.claude/plugins/marketplaces 2>/dev/null

Etapa 3 - Pesquisar Fontes Remotas

Use ferramentas disponíveis de pesquisa no GitHub e web. Prefira consultas concisas:

gh search repos "claude code skill palavra-chave" --limit 10 --sort stars
gh search code "name: palavra-chave" --filename SKILL.md --limit 10

Para pesquisa web, use no máximo três consultas direcionadas como:

"claude code skill" palavra-chave
"SKILL.md" palavra-chave
"everything-claude-code" palavra-chave

Etapa 4 - Avaliar Correspondências Externas

Antes de recomendar qualquer habilidade externa para adoção ou bifurcação:

  • Leia o frontmatter e as instruções do SKILL.md.
  • Procure por comandos shell inesperados, gravações de arquivos, chamadas de rede, manipulação de credenciais ou instalações de pacotes.
  • Verifique se o repositório parece mantido.
  • Prefira copiar para um novo branch local e revisar o diff em vez de editar originais do marketplace.

Etapa 5 - Classificar Resultados

Classifique candidatos por:

  1. Correspondência exata de palavra-chave no nome da habilidade.
  2. Correspondência de palavra-chave ou sinônimo na descrição.
  3. Fonte local instalada ou do marketplace.
  4. Fonte GitHub mantida com atividade recente.
  5. Menção web apenas.

Limite a lista final a 10 resultados.

Etapa 6 - Apresentar Opções de Decisão

Dê ao usuário uma tabela resumida:

OpçãoSignificado
Usar existenteInvocar ou instalar uma habilidade correspondente como está.
Bifurcar ou estenderCopiar a habilidade mais próxima e modificá-la.
Criar do zeroConstruir uma nova habilidade após confirmar que não existe correspondência próxima.

Só crie uma nova habilidade depois que o usuário escolher esse caminho ou após a pesquisa não encontrar correspondência próxima.

Exemplos

Tabela de Resultados

| # | Habilidade | Fonte | Por que corresponde | Lacuna |
| --- | --- | --- | --- | --- |
| 1 | article-writing | Local ECC | Redige artigos e guias | Não focado em notas de versão |
| 2 | content-engine | Local ECC | Fluxo de trabalho de conteúdo multi-formato | Mais pesado do que necessário |
| 3 | blog-writer | GitHub | Habilidade de escrita de blog com commits recentes | Precisa de revisão de segurança |

Resumo para o Usuário

Encontrei duas correspondências locais próximas e um candidato externo. A correspondência mais
próxima é `article-writing`; ela cobre redação e revisão, mas não inclui a lista de
verificação de notas de versão que você pediu. Posso usá-la como está, bifurcá-la em uma
variante de notas de versão ou criar uma nova habilidade.

Anti-Padrões

  • Não pule diretamente para a criação de uma nova habilidade quando uma pesquisa é razoável.
  • Não instale habilidades externas sem lê-las primeiro.
  • Não apresente uma longa lista não classificada de correspondências fracas.
  • Não trate menções web apenas como fontes confiáveis.
  • Não edite originais do marketplace instalados no local.

Relacionados

  • search-first - Fluxo de trabalho geral de pesquisar antes de construir.
  • skill-stocktake - Auditar habilidades instaladas quanto a integridade, duplicatas e lacunas.
  • agent-sort - Categorizar e organizar agentes e habilidades existentes.

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