TianMingKanae/engineering-multi-ai-skills

Defina uma mudança ou experimento de engenharia antes da implementação, com critérios de aceitação observáveis e validação proporcional. Use para mudanças substanciais, migrações, benchmarks ou requisitos ambíguos; mantenha correções de rotina leves.

O que é engineering-multi-ai-skills?

Esta skill orienta o desenvolvedor ou agente de IA a planejar e executar mudanças ou experimentos de engenharia de forma estruturada, mitigando riscos e garantindo reprodutibilidade. Útil para plataformas como Claude Code, Cursor ou Codex, ela estabelece um fluxo que começa com a compreensão do contexto (código, testes, restrições), seguido pela definição precisa do problema, comportamento desejado e interfaces afetadas. A validação é calibrada ao risco: bugs exigem reprodutores e verificação de regressão; migrações precisam de checagens de compatibilidade e plano de reversão. Para experimentos, a skill exige o registro de hipótese, métrica primária, linha de base e critérios de sucesso antes da coleta de dados, separando observações exploratórias de resultados confirmatórios. Ela também trata de jobs longos, recomendando testes em unidade representativa, uso de interfaces dry-run e lançamento via background autorizado. Ao final, os resultados são comparados com os critérios originais, preservando falhas e resultados negativos, e as conclusões importantes devem ser revisadas ou verificadas independentemente.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/TianMingKanae/engineering-multi-ai-skills/tree/HEAD/skills/engineering-plan

Installed? Explore more Programação e Desenvolvimento skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Perguntar na sua IA favorita

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

Documentação

Leia o código relevante, testes e restrições do projeto. Declare o problema, o comportamento desejado, as interfaces afetadas e o trabalho fora do escopo. Resolva fatos a partir de artefatos; agrupe perguntas não resolvidas que afetem materialmente o resultado, com recomendações de escolha. Continue o trabalho independente enquanto aguarda uma resposta.

Defina critérios observáveis de aprovação/reprovação e como exercê-los. Combine a validação com o risco: um bug pode precisar de um reprodutor e verificação de regressão; uma migração pode precisar de verificações de compatibilidade e reversão. Resolva suposições críticas antes de trabalho de alto custo ou irreversível. Não imponha aprovação de design quando a instrução do usuário já autorizar a mudança.

Para experimentos ou alegações de desempenho, registre a hipótese, métrica primária, linha de base, carga de trabalho, sementes ou amostragem, orçamento de recursos, contabilização de falhas e limite de sucesso antes de inspecionar os resultados. Compare as alternativas com esforço equivalente. Separe observações exploratórias de resultados confirmatórios; rotule alterações pós-resultado e nunca aplique uma nova regra retroativamente.

Para jobs longos, execute o lançamento e uma pequena unidade representativa primeiro. Registre limites de recursos, caminhos de saída e comportamento real de retomada. Use apenas interfaces dry-run que o comando realmente suporta. Lance por meio do mecanismo de background autorizado do host; não mantenha uma sessão de modelo esperando por horas.

Avalie as saídas usando os critérios originais. Preserve casos com falha, trabalhos ignorados e resultados negativos. Faça com que conclusões importantes sejam revisadas ou verificadas independentemente quando justificado. Registre decisões e limites no registro de evidências do projeto e, em seguida, relate o que foi estabelecido.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Habilidades Relacionadas