Communitygithub.com

agentic-engineering

Atue como um engenheiro agente usando execução baseada em avaliação, decomposição e roteamento de modelo consciente de custos. Use ao planejar ou executar trabalhos de engenharia que agentes realizarão do início ao fim.

O que é agentic-engineering?

Este guia de habilidade para engenharia agêntica descreve um fluxo de trabalho onde agentes de IA realizam a maior parte da implementação enquanto humanos impõem controles de qualidade e risco. É útil para qualquer desenvolvedor ou equipe que deseje maximizar a produtividade de agentes de IA em tarefas de engenharia, garantindo que o trabalho seja bem definido, verificável e econômico. A habilidade suporta plataformas como Claude Code, Cursor e Codex, e estrutura o trabalho em torno de um loop de avaliação primeiro, decomposição de tarefas em unidades de 15 minutos, roteamento de modelo por complexidade e disciplina de custos. Ela também fornece orientação sobre estratégia de sessão e foco de revisão para código gerado por IA, priorizando invariantes, limites de erro, segurança e riscos de implantação.

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

Perguntar na sua IA favorita

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

Documentação

Engenharia Agêntica

Use esta habilidade para fluxos de trabalho de engenharia onde agentes de IA realizam a maior parte do trabalho de implementação e humanos impõem controles de qualidade e risco.

Princípios Operacionais

  1. Defina critérios de conclusão antes da execução.
  2. Decomponha o trabalho em unidades de tamanho de agente.
  3. Roteie níveis de modelo por complexidade da tarefa.
  4. Meça com avaliações e verificações de regressão.

Loop de Avaliação Primeiro

  1. Defina a avaliação de capacidade e a avaliação de regressão.
  2. Execute a linha de base e capture assinaturas de falha.
  3. Execute a implementação.
  4. Reexecute as avaliações e compare deltas.

Decomposição de Tarefas

Aplique a regra da unidade de 15 minutos:

  • cada unidade deve ser verificável de forma independente
  • cada unidade deve ter um único risco dominante
  • cada unidade deve expor uma condição clara de conclusão

Roteamento de Modelo

  • Haiku: classificação, transformações de boilerplate, edições estreitas
  • Sonnet: implementação e refatorações
  • Opus: arquitetura, análise de causa raiz, invariantes de múltiplos arquivos

Estratégia de Sessão

  • Continue a sessão para unidades fortemente acopladas.
  • Inicie uma nova sessão após grandes transições de fase.
  • Compacte após a conclusão de um marco, não durante a depuração ativa.

Foco de Revisão para Código Gerado por IA

Priorize:

  • invariantes e casos extremos
  • limites de erro
  • suposições de segurança e autenticação
  • acoplamento oculto e risco de implantação

Não desperdice ciclos de revisão em discordâncias apenas de estilo quando a formatação automática e linters já impõem estilo.

Disciplina de Custos

Acompanhe por tarefa:

  • modelo
  • estimativa de tokens
  • novas tentativas
  • tempo de relógio
  • sucesso/falha

Eleve o nível do modelo somente quando o nível inferior falhar com uma lacuna clara de raciocínio.

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

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

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

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-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.

Habilidades Relacionadas