Communitygithub.com

agent-sort

Cria um plano de instalação do ECC baseado em evidências para um repositório específico, classificando skills, comandos, regras, hooks e extras em buckets DIÁRIO vs BIBLIOTECA por meio de passadas de revisão paralelas e cientes do repositório. Use quando o ECC precisa ser adaptado ao que o projeto realmente necessita, em vez de carregar o pacote completo.

O que é agent-sort?

Esta skill, chamada Agent Sort, foi projetada para ajudar desenvolvedores e equipes a criar uma instalação personalizada do ECC (Effective Coding Companion ou similar) para um repositório específico, classificando todos os componentes — skills, comandos, regras, hooks e extras — em dois buckets: DIÁRIO (carregado a cada sessão) e BIBLIOTECA (acessível sem carregamento padrão). A classificação é baseada em evidências concretas extraídas do código-fonte real, como extensões de arquivo, configurações de framework, gerenciadores de pacotes e scripts CI. A skill suporta execução paralela quando subagentes estão disponíveis, dividindo a revisão em passes por tipo de componente (agentes, skills, comandos, regras, hooks, extras). Ao final, produz um inventário, um plano de instalação, um relatório de verificação e, opcionalmente, um roteador de biblioteca. É útil quando o repositório tem uma pilha clara que exige apenas um subconjunto do ECC, evitando ruído e melhorando o desempenho, e pode ser integrada com ferramentas como Claude Code, Cursor ou Codex.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/agent-sort

Perguntar na sua IA favorita

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

Documentação

Agent Sort

Use esta skill quando um repositório precisar de uma superfície ECC específica para o projeto, em vez da instalação completa padrão.

O objetivo não é adivinhar o que "parece útil". O objetivo é classificar os componentes do ECC com evidências do código real.

Quando Usar

  • Um projeto precisa apenas de um subconjunto do ECC e instalações completas são muito ruidosas
  • A pilha do repositório é clara, mas ninguém quer fazer curadoria manual de skills uma a uma
  • Uma equipe deseja uma decisão de instalação repetível, apoiada por evidências de grep, em vez de opiniões
  • Você precisa separar superfícies de fluxo de trabalho diário (sempre carregadas) de superfícies de biblioteca/pesquisa
  • Um repositório se desviou para o conjunto errado de linguagem, regra ou hook e precisa de limpeza

Regras Inegociáveis

  • Use o repositório atual como fonte da verdade, não preferências genéricas
  • Toda decisão DIÁRIA deve citar evidências concretas do repositório
  • BIBLIOTECA não significa "excluir"; significa "manter acessível sem carregar por padrão"
  • Não instale hooks, regras ou scripts que o repositório atual não possa usar
  • Prefira superfícies nativas do ECC; não introduza um segundo sistema de instalação

Saídas

Produza estes artefatos em ordem:

  1. Inventário DIÁRIO
  2. Inventário BIBLIOTECA
  3. Plano de instalação
  4. Relatório de verificação
  5. Roteador opcional skill-library se o projeto desejar um

Modelo de Classificação

Use apenas dois baldes:

  • DIÁRIO
    • deve carregar a cada sessão para este repositório
    • fortemente correspondente à linguagem, framework, fluxo de trabalho ou superfície operacional do repositório
  • BIBLIOTECA
    • útil para reter, mas não vale a pena carregar por padrão
    • deve permanecer acessível por meio de pesquisa, roteador de skill ou uso manual seletivo

Fontes de Evidência

Use evidências locais do repositório antes de fazer qualquer classificação:

  • extensões de arquivo
  • gerenciadores de pacotes e arquivos de bloqueio
  • configurações de framework
  • configurações de CI e hooks
  • scripts de build/teste
  • importações e manifestos de dependência
  • documentação do repositório que descreve explicitamente a pilha

Comandos úteis incluem:

rg --files
rg -n "typescript|react|next|supabase|django|spring|flutter|swift"
cat package.json
cat pyproject.toml
cat Cargo.toml
cat pubspec.yaml
cat go.mod

Passadas de Revisão Paralelas

Se subagentes paralelos estiverem disponíveis, divida a revisão nestas passadas:

  1. Agentes
    • classificar agents/*
  2. Skills
    • classificar skills/*
  3. Comandos
    • classificar commands/*
  4. Regras
    • classificar rules/*
  5. Hooks e scripts
    • classificar superfícies de hook, verificações de integridade MCP, scripts auxiliares e compatibilidade com SO
  6. Extras
    • classificar contextos, exemplos, configurações MCP, modelos e documentos de orientação

Se subagentes não estiverem disponíveis, execute as mesmas passadas sequencialmente.

Fluxo de Trabalho Principal

1. Leia o repositório

Estabeleça a pilha real antes de classificar qualquer coisa:

  • linguagens em uso
  • frameworks em uso
  • gerenciador de pacotes principal
  • pilha de testes
  • pilha de lint/format
  • superfície de implantação/runtime
  • integrações operacionais já presentes

2. Construa a tabela de evidências

Para cada superfície candidata, registre:

  • caminho do componente
  • tipo do componente
  • balde proposto
  • evidência do repositório
  • justificativa curta

Use este formato:

skills/frontend-patterns | skill | DIÁRIO | 84 arquivos .tsx, next.config.ts presente | pilha frontend principal
skills/django-patterns   | skill | BIBLIOTECA | nenhum arquivo .py, nenhum pyproject.toml       | não ativo neste repositório
rules/typescript/*       | rules | DIÁRIO | package.json + tsconfig.json            | repositório TS ativo
rules/python/*           | rules | BIBLIOTECA | zero arquivos fonte Python             | manter apenas acessível

3. Decida DIÁRIO vs BIBLIOTECA

Promova para DIÁRIO quando:

  • o repositório usa claramente a pilha correspondente
  • o componente é geral o suficiente para ajudar em toda sessão
  • o repositório já depende do runtime ou fluxo de trabalho correspondente

Rebaixe para BIBLIOTECA quando:

  • o componente está fora da pilha
  • o repositório pode precisar dele mais tarde, mas não todos os dias
  • ele adiciona sobrecarga de contexto sem relevância imediata

4. Construa o plano de instalação

Traduza a classificação em ação:

  • skills DIÁRIAS -> instalar ou manter em .claude/skills/
  • comandos DIÁRIOS -> manter como shims explícitos apenas se ainda forem úteis
  • regras DIÁRIAS -> instalar apenas os conjuntos de linguagem correspondentes
  • hooks/scripts DIÁRIOS -> manter apenas os compatíveis
  • superfícies BIBLIOTECA -> manter acessíveis por meio de pesquisa ou skill-library

Se o repositório já usa instalações seletivas, atualize esse plano em vez de criar outro sistema.

5. Crie o roteador de biblioteca opcional

Se o projeto desejar uma superfície de biblioteca pesquisável, crie:

  • .claude/skills/skill-library/SKILL.md

Esse roteador deve conter:

  • uma breve explicação de DIÁRIO vs BIBLIOTECA
  • palavras-chave de gatilho agrupadas
  • onde as referências da biblioteca estão localizadas

Não duplique o corpo de cada skill dentro do roteador.

6. Verifique o resultado

Após o plano ser aplicado, verifique:

  • se todo arquivo DIÁRIO existe onde esperado
  • se regras de linguagem obsoletas não foram deixadas ativas
  • se hooks incompatíveis não foram instalados
  • se a instalação resultante realmente corresponde à pilha do repositório

Retorne um relatório compacto com:

  • contagem DIÁRIO
  • contagem BIBLIOTECA
  • superfícies obsoletas removidas
  • perguntas em aberto

Transferências

Se o próximo passo for instalação interativa ou reparo, transfira para:

  • configure-ecc

Se o próximo passo for limpeza de sobreposições ou revisão de catálogo, transfira para:

  • skill-stocktake

Se o próximo passo for redução de contexto mais ampla, transfira para:

  • strategic-compact

Formato de Saída

Retorne o resultado nesta ordem:

PILHA
- resumo da linguagem/framework/runtime

DIÁRIO
- itens sempre carregados com evidências

BIBLIOTECA
- itens de pesquisa/referência com evidências

PLANO DE INSTALAÇÃO
- o que deve ser instalado, removido ou roteado

VERIFICAÇÃO
- verificações realizadas e lacunas restantes

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Habilidades Relacionadas