CommunityPesquisa e Análise de Dadosgithub.com

enbeee/research-log

Estilo de documentação para pesquisa orientada a medições — relatórios 'como desvendamos isso' em uma única página HTML autocontida, com linha do tempo da história, método, especificação com tags de confiança (HW/FILE/HYP/OPEN), registro de verificação e perguntas em aberto. Use sempre que o usuário pedir para documentar um projeto ou esforço de pesquisa, escrever um relatório / registro de pesquisa / documento 'como descobrimos', resumir uma engenharia reversa, depuração, investigação de protocolo ou hardware, ou pedir documentos 'no estilo TriCaster / waldobjekt' — um simples 'escreva o que fizemos' também se qualifica.

O que é research-log?

Este skill capacita agentes de IA (como Claude Code, Cursor ou Codex) a produzir documentação de pesquisa no estilo 'como desvendamos isso', com foco em medições e precisão técnica. Inspirado no relatório de pesquisa TriCaster DVE, ele gera um único arquivo HTML autocontido (com CSS e imagens embutidos, sem assets externos) que conta a história cronológica do trabalho, detalha o método usado, apresenta uma especificação com quatro níveis de confiança (HW, FILE, HYP, OPEN) — cada reivindicação sendo ou medida, ou marcada como não comprovada, ou listada como em aberto. O skill também inclui um registro de verificação com números exatos de erro e uma seção de perguntas abertas. O processo é guiado por um fluxo de trabalho em cinco etapas: inventariar evidências, aprender as convenções (lendo guias de estilo complementares), escolher o esqueleto de seis seções, escrever e construir o HTML usando um script Python, e por fim realizar uma autoauditoria para garantir que todas as reivindicações factuais estejam etiquetadas, números tenham unidades, a história inclua surpresas ou fracassos, e as perguntas abertas sejam honestas. O tom é de engenheiro para engenheiro, em primeira pessoa do plural, sem marketing, com humor seco e raro.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/enbeee/research-log/tree/HEAD

Installed? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Perguntar na sua IA favorita

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

Documentação

O que research-log faz?

Documenta pesquisas do jeito que engenheiros as recontam depois: uma história de medições, uma especificação precisa o suficiente para ser reimplementada a partir dela, um registro de verificação com números e uma lista honesta do que ainda é desconhecido — entregue como um único arquivo HTML autocontido (CSS e imagens embutidos, sem assets externos).

O compromisso central: toda reivindicação é ou baseada em uma medição, marcada como não comprovada ou listada como em aberto. A frase guia, se você precisar de uma: ler os artefatos diz o que alguém escreveu; só o sistema real diz o que isso significa.

Fluxo de trabalho

1. Faça o inventário das evidências primeiro

Colete, antes de escrever qualquer coisa, a partir da conversa, repositório, logs e do usuário:

  • a cronologia: datas, o que foi tentado, o que falhou, o que surpreendeu
  • toda medição com números exatos e como foi obtida
  • execuções de verificação: o que foi comparado com o quê, e as figuras de erro
  • as ferramentas, caminhos de arquivo e comandos que alguém precisa para repetir o trabalho
  • perguntas não resolvidas e hipóteses puras

Não invente medições, datas ou números. Se um número estiver faltando, pergunte ou marque-o como OPEN. Um relatório com dados inventados é pior do que nenhum relatório — lacunas no registro fazem parte do registro.

2. Aprenda as convenções

Leia references/style-guide.md antes de escrever — o estilo vive nos detalhes (legendas que provam um ponto, falhas mantidas na narrativa, números exatos, sem marketing). Leia references/content-format.md quando estiver pronto para escrever o módulo de conteúdo.

3. Escolha o esqueleto

Seis seções principais, numeradas, nesta ordem. Omita uma apenas por um motivo declarado; insira seções de estudo de caso entre a especificação e as ferramentas quando houver um arco de "construção da coisa real".

#seçãodeve conter
1A histórialinha do tempo dia a dia; cada etapa atribuída a uma medição; becos sem saída e surpresas incluídos
2Métodouma frase de epistemologia + a tabela: artefato de teste → pergunta → resposta
3+A especificaçãotabelas de byte/protocolo/formato precisas o suficiente para reimplementar, com tags de confiança; a matemática como blocos de código
−2Ferramentas e como fazercomandos e caminhos reais que funcionam quando copiados textualmente
−1Registro de verificaçãotoda execução de medição com erros quantitativos + um destaque Resultado final
−0Perguntas em abertoincógnitas honestas, cada uma marcada OPEN ou HYP

4. Escreva e construa

Escreva o conteúdo como um módulo Python definindo DOC (formato em references/content-format.md), mantenha-o no projeto para que o documento possa ser regenerado, então:

python3 <skill-dir>/scripts/build_doc.py content.py out.html

Abra a saída e verifique se ela renderiza antes de mostrar ao usuário.

5. Autoauditoria

  • toda reivindicação factual carrega uma tag ou está no registro de verificação
  • a história inclui pelo menos uma surpresa, falha ou correção — se o trabalho não teve nenhuma, diga isso claramente em vez de fabricar drama
  • números são exatos e carregam unidades (0,445 s, não "rápido"; 64.779 pixels, não "muitos")
  • toda legenda de figura afirma o que a imagem prova, não o que ela mostra
  • comandos de como fazer foram realmente executados, ou estão claramente rotulados como não testados
  • perguntas em aberto existem (sempre há perguntas em aberto)
  • o resultado final é uma frase que alguém poderia repetir de memória

As tags

Quatro tags de confiança, colocadas em linha no final da reivindicação que qualificam:

  • HW (verde) — medido no sistema real sob teste. Para trabalhos não relacionados a dispositivos, isso ainda se aplica: medido em uma execução ao vivo, na bancada, em produção.
  • FILE (azul) — verdadeiro em todos os artefatos examinados (arquivos, capturas, logs).
  • HYP (roxo) — consistente com todas as evidências, mas não comprovado.
  • OPEN (cinza) — desconhecido; nenhuma evidência de qualquer lado.

Fatos carregam tags; comentários não. Se o domínio tiver nomes melhores para estas, renomeie-os uma vez no topo do documento e use-os consistentemente — mas mantenha exatamente esta divisão de quatro níveis.

Tom

Engenheiro colega, primeira pessoa do plural, zero marketing. Números exatos com unidades. Frases curtas. Humor seco e raro. Falhas e correções pertencem à história, não a uma nota de rodapé. Colegas são creditados por função ("um colega entregou duas sequências PNG…").

Origem

Destilado do registro de pesquisa TriCaster DVE (waldobjekt.org, 1–3 de novembro de 2026, escrito com Claude) — o documento original traz seu próprio build_doc.py; este skill generaliza essa configuração.

Habilidades Relacionadas