Communitygithub.com

growth-log

Use após uma tarefa complexa, falha ou ao revisar o que foi aprendido. Ensina a escrever registros de crescimento que extraem padrões reutilizáveis — não entradas de diário.

O que é growth-log?

Este skill ensina a escrever registros de aprendizado que realmente se acumulam ao longo do tempo, transformando experiências — sejam falhas ou sucessos — em padrões transferíveis. Ele resolve o problema comum de confundir um diário de atividades com um artefato de aprendizado real, garantindo que cada entrada extraia um padrão reutilizável reconhecível em situações futuras. Funciona com qualquer sistema de anotações (Markdown, Notion, Obsidian, texto puro) e é compatível com ferramentas como Claude Code e Cursor. O skill apresenta três regras fundamentais: Falhas são mais densas em aprendizado do que sucessos, o Princípio Bole (não duplicar padrões já registrados) e a obrigatoriedade de transferibilidade (cada entrada deve responder "o que farei diferente da próxima vez?"). Inclui um template de entrada e uma checklist de qualidade para garantir que os registros sejam concisos (4-8 frases) e focados em padrões, não em eventos.

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

Perguntar na sua IA favorita

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

Documentação

Growth Log Skill

O problema: A maioria das pessoas escreve "corrigi um bug em X" como registro de aprendizado. Isso é uma entrada de diário, não um artefato de aprendizado. Um registro de crescimento real extrai o padrão para que você o reconheça na próxima vez.

Este skill ensina: Como escrever entradas de aprendizado que se acumulam entre sessões. Funciona com qualquer sistema de anotações — arquivos Markdown, Notion, Obsidian, texto puro. Os templates são genéricos; adapte à sua configuração.

Quando Ativar

  • Após concluir uma tarefa complexa (vários arquivos, novo recurso, mudança de arquitetura)
  • Após uma falha, erro, ou momento em que "aquilo foi mais difícil do que esperava"
  • Quando você quiser revisar o que aprendeu ao longo de um período

Quando NÃO ativar: Mudanças triviais (correções de digitação, ajustes de uma linha, alterações de valor de configuração sem depuração). O limite: essa tarefa envolveu depuração, retrabalho, reversão ou uma decisão não óbvia? Se sim → escreva uma entrada. Se não → pule.

As Três Regras

Regra 1: Falhas > Conquistas

Uma falha é nutricionalmente mais densa do que um sucesso. Um bug que levou 2 horas para encontrar ensina mais do que 3 recursos que funcionaram na primeira tentativa.

Ruim: "Implementei o fluxo de login com sucesso." Bom (desenvolvimento web): "Fluxo de login: o token de sessão não estava persistindo porque o SameSite do cookie padrão era Lax no Chrome 128+. Padrão: sempre defina explicitamente SameSite=None; Secure quando for de origens cruzadas. Sinal para reconhecer: autenticação quebra após atualização do navegador ou ao cruzar limites de origem." Bom (pipeline de dados): "Importação CSV falhou silenciosamente em linhas vazias porque pandas.read_csv(dropna=False) mantém linhas de largura zero que len() conta como válidas. Padrão: sempre use df.dropna(how='all', inplace=True) antes da validação de contagem de linhas."

Regra 2: O Princípio Bole (伯乐原则)

Antes de escrever uma nova entrada, pergunte: "Isso é fundamentalmente o mesmo que algo que já registrei?"

Mesma causa raiz, sintoma diferente → mescle, não duplique. Nova causa raiz → nova entrada.

Como verificar: Pesquise entradas existentes por palavras-chave da sua causa raiz antes de escrever. Se encontrar uma correspondência, adicione seu novo sintoma como um exemplo adicional na entrada existente, em vez de criar uma duplicata.

Exemplo: "Esqueci de atualizar o índice de saída após criar um arquivo" e "Esqueci de atualizar as classificações de skill após uma tarefa" — mesma causa raiz (nenhum gatilho de captura automática). Mescle em uma única entrada sobre "lacunas de captura pós-tarefa."

Regra 3: Deve Ser Transferível

Cada entrada deve responder: "Na próxima vez que enfrentar uma situação semelhante, o que farei de diferente?"

Se você não consegue escrever essa frase, ainda não extraiu o padrão.

Como extrair um padrão de um evento concreto:

  1. Diga o que aconteceu em uma frase
  2. Pergunte "por quê?" iterativamente até chegar à causa raiz (normalmente 3-5 porquês)
  3. Generalize: "Que classe de problema é esta?" (não "bug do Chrome 128", mas "mudança no padrão do navegador quebrando comportamento existente")
  4. Formule como: "Na próxima vez que eu ver [sinal], eu vou [ação]."
  5. Nomeie o sinal: qual observável específico indica que esse padrão está ativo?

Template de Entrada

Escopo: Uma entrada por causa raiz distinta. Comprimento típico: 4-8 frases. Se levar >2 minutos para escrever, você está narrando eventos. Se <30 segundos, você não foi fundo o suficiente.

## [Título: o padrão, não o evento]

### Contexto
- O que eu estava tentando fazer?
- O que deu errado / o que funcionou surpreendentemente bem?

### Causa Raiz / Percepção Central
- O mecanismo subjacente, não apenas o sintoma

### O Padrão (transferível)
- Na próxima vez [situação semelhante], eu vou [ação específica].
- Sinal para reconhecer: [qual observável me diz que esse padrão está ativo?]

### Relacionado
- [nome-da-entrada](../caminho/para/entrada-relacionada.md)

Tipos de Entrada

Todos os quatro tipos usam o template acima. O tipo determina quais seções têm mais peso:

TipoQuando UsarÊnfaseExemplo de Título
FalhaAlgo quebrou, exigiu depuração ou retrabalhoCausa Raiz"Herança de config ≠ herança de comportamento entre sessões"
MetodologiaUm processo repetível emergiu do trabalhoContexto / Padrão"Guia de estudo PPT → prova de livro aberto: estrutura de três camadas"
Descoberta de PadrãoUma percepção reutilizável sobre ferramentas, sistemas ou pensamentoSeção de Padrão"Template de descrição de PR: descreva a lacuna, não o recurso"
Mudança de CapacidadeUma melhoria mensurável de habilidadeContexto (antes vs depois)"Git: de clone/push a PR independente com 12 commits"

Checklist de Qualidade

Antes de finalizar uma entrada de registro de crescimento:

  • O título nomeia o padrão, não o evento?
  • Há uma frase "Na próxima vez eu vou..."?
  • O "Sinal para reconhecer" é específico o suficiente para acionar o padrão na próxima vez?
  • Eu pesquisei entradas existentes em busca de duplicatas antes de escrever? (Princípio Bole)
  • A causa raiz está distinguida do sintoma?
  • As memórias relacionadas estão interligadas?
  • A entrada tem 4-8 frases? Mais curta = muito superficial; mais longa = narrando eventos.

Antipadrões

  • Evite: "Bug corrigido no módulo de pagamento" (evento, não padrão)
  • Evite: Copiar a mensagem do commit do git literalmente (commits descrevem o que mudou; registros extraem por que importa)
  • Evite: Escrever uma entrada para cada commit (só quando um padrão emerge)
  • Evite: Pular a frase transferível (sem ela, é apenas um diário — isso não é negociável)
  • Evite: Duplicar o mesmo padrão sob títulos diferentes (viola o Princípio Bole — pesquise antes de escrever)

Armazenamento

Armazene entradas onde você mantém suas anotações. Padrões comuns:

  • Arquivos Markdown em um diretório growth-log/ (um arquivo por dia: YYYY-MM-DD.md)
  • Uma seção dedicada no Notion, Obsidian ou seu aplicativo de anotações
  • Arquivos de texto puro com uma convenção de nomenclatura consistente

Escolha uma convenção e mantenha-a. A capacidade de pesquisa é mais importante que o formato.

Se Você Usar Delivery Gate

O hook de parada delivery-gate verifica se os arquivos de aprendizado foram modificados hoje através de timestamps do sistema de arquivos. Este skill ensina o que escrever — para que o arquivo que o delivery-gate verifica contenha padrões úteis, não timestamps vazios.

Tarefa concluída → delivery-gate verifica: o arquivo de aprendizado foi tocado hoje?
  → Desatualizado (nenhum arquivo modificado): bloqueie — "o que você aprendeu?"
  → Atualizado (arquivo tocado): passe — este skill garante que o conteúdo seja útil

Ter imposição sem metodologia → entradas vazias. Ter metodologia sem imposição → capturas esquecidas. Cada um é independentemente útil; juntos, eles fecham o ciclo.

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-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