Grill / Entrevista Rigorosa

Entrevista o usuário sem piedade sobre um plano, decisão ou ideia. Use quando o usuário quiser testar a resistência do seu pensamento ou usar frases de gatilho 'grill'.

O que é Entrevista Rigorosa?

Esta skill transforma o agente de IA em um entrevistador rigoroso que conduz o usuário por uma árvore de decisões completa. Em vez de aceitar planos superficiais, a skill força cada suposição a ser explicitada, mapeando decisões em uma estrutura de árvore onde cada escolha ramifica em subdecisões. O agente trabalha em rodadas, perguntando todas as questões do 'frontier' (decisões prontas para serem respondidas) de uma só vez, numerando-as e oferecendo respostas recomendadas. A skill é adequada para qualquer plataforma que suporte agentes de IA (Claude Code, Cursor, Codex, etc.) e exige acesso a ferramentas para que o agente possa pesquisar fatos do ambiente em vez de perguntar ao usuário. A sessão termina quando a árvore está totalmente explorada e não há mais suposições ocultas. Notas de campo adicionais incluem manter um registro de decisões para permitir reversão, opções com letras para respostas rápidas e um modo de auto-entrevista onde o agente se questiona.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/imaginaerumai/field-tested-skills/tree/HEAD/skills/engineering/grilling

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

Entrevista Rigorosa

Origem. Escrito por Matt Pocock em mattpocock/skills (MIT), fixado em 49dd158. O texto upstream abaixo é literal, exceto pelas edições listadas em UPSTREAM.md. Nossas adições estão sob Notas de campo no final.

Entreviste o usuário sem piedade até que vocês cheguem a um entendimento compartilhado. Mapeie isso como uma árvore de decisão: cada decisão se ramifica nas decisões que dependem dela.

Trabalhe a árvore em rodadas. A fronteira é toda decisão cujos pré-requisitos já foram resolvidos: as perguntas que você pode fazer agora sem adivinhar respostas que ainda não ouviu. Faça toda a fronteira em uma rodada: numere cada pergunta e dê sua resposta recomendada. Em seguida, aguarde as respostas do usuário antes da próxima rodada.

Formate uma rodada assim:

❓ **P1** - **<título da pergunta>**: <corpo da pergunta, pode ter vários parágrafos, incluindo múltiplas escolhas>

➡️ <sua resposta recomendada>

---

❓ **P2** - **<título da pergunta>**: <corpo da pergunta, pode ter vários parágrafos, incluindo múltiplas escolhas>

➡️ <sua resposta recomendada>

Formule cada pergunta de modo que "sim" aceite sua resposta recomendada.

A cada rodada, as respostas do usuário remodelam a árvore: decisões resolvidas empurram a fronteira para fora e desbloqueiam perguntas que dependiam delas. Recalcule a fronteira e faça a próxima rodada. Uma pergunta cuja resposta depende de outra pergunta ainda aberta nesta rodada pertence a uma rodada posterior, não a esta.

Encontrar fatos é seu trabalho, nunca do usuário. Quando uma pergunta da fronteira precisar de um fato do ambiente (sistema de arquivos, ferramentas, etc.), despache um subagente para encontrá-lo; não pergunte ao usuário por nada que você mesmo possa consultar. Não bloqueie nisso: uma exploração em andamento é um pré-requisito não resolvido, então apenas as perguntas a jusante dela esperam o subagente relatar; faça o restante da fronteira agora. As decisões são do usuário: apresente cada uma a ele e aguarde.

A sessão termina quando a fronteira está vazia: todo ramo da árvore de decisão foi visitado, nada ficou assumido em silêncio. Não aja até que o usuário confirme que vocês chegaram a um entendimento compartilhado.

Notas de campo

Evidência: 26 sessões reais onde a entrevista rigorosa foi carregada (método em docs/field-data.md).

  1. Mantenha um registro de decisões que o usuário possa reverter. Os usuários voltaram atrás em uma resposta anterior 3 vezes ("traga as decisões de volta, eu tomei uma errada"). Após cada rodada, imprima uma lista numerada das decisões resolvidas. Uma reversão reabre apenas os ramos a jusante dessa decisão.
  2. Atribua letras às opções. Os usuários responderam com uma letra solta ou uma lista numerada em 16 respostas curtas. Dê a cada pergunta de múltipla escolha opções com letras para que P2: b seja uma resposta completa.
  3. Modo de auto-entrevista. Cerca de 19 solicitações pediram que o agente se entrevistasse a si mesmo ("faça você mesmo a sessão de entrevista para a segurança"). Quando solicitado, execute a mesma árvore de decisão com o agente como entrevistado. Resolva cada pergunta de fato a partir de evidências que você coleta. Neste modo, as regras de espera e confirmação acima se aplicam apenas a chamadas de preferência, que vão para o usuário em um lote com respostas recomendadas. principal-autopilot executa este modo em seu passo 3, antes de qualquer código.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Habilidades Relacionadas