COG Segundo Cérebro Auto-Pesquisa

Habilidade de Auto Pesquisa COG

Quando Invocar

• O usuário faz uma pergunta estratégica que requer pesquisa profunda
• O usuário diz "pesquisar", "auto-pesquisa", "investigar", "análise estratégica", "mergulho profundo em [tópico]"
• O usuário quer entender forças de mercado, dinâmicas competitivas, trajetórias de tecnologia ou opções estratégicas
• O usuário precisa de análise baseada em evidências com fontes reais para apoiar a tomada de decisão

Inspirado no autoresearch de Karpathy — mas para pensamento estratégico em vez de treinamento de ML.

Consciência do Modo de Agente

Verifique agent_mode no frontmatter de 00-inbox/MY-PROFILE.md:

• Se agent_mode: team — use a estratégia completa de execução paralela de agentes (5-7 agentes). Esta habilidade se beneficia enormemente do modo team.
• Se agent_mode: solo — execute 2-3 passagens de pesquisa sequenciais com WebSearch/WebFetch, produza uma análise mais leve sem a estrutura completa de múltiplas threads.

Comando: /auto-research

Entrada

O usuário fornece uma pergunta estratégica ou tópico como argumento do comando. Exemplos:

• "Se os modelos de base se tornarem commodity, o que acontece com empresas que são wrappers de LLM como Katalon/Scout?"
• "Futuro da indústria de testes com a expansão das capacidades de IA"
• "Devemos construir, comprar ou fazer parceria para nossa camada de IA?"
• "Quais são as opções estratégicas para o Scout se a OpenAI lançar um produto de testes?"

---

Estratégia de Execução

Fase 1: Decomposição da Pergunta (Orquestrador — 2 minutos)

Divida a pergunta estratégica do usuário em 5-7 threads de pesquisa que juntas fornecerão uma resposta abrangente. Cada thread deve ser:

• Independente — pode ser pesquisada em paralelo
• Específica — tem um objetivo de pesquisa claro
• Complementar — juntas cobrem todo o panorama estratégico

Estrutura de decomposição:

1. Forças de mercado — quais macro-tendências impulsionam esta pergunta?
2. Precedente histórico — esse padrão já ocorreu antes em outras indústrias?
3. Análise de players — quem são os principais players e o que estão fazendo?
4. Trajetória tecnológica — para onde a tecnologia subjacente está indo?
5. Comportamento do cliente — o que os usuários finais realmente querem/fazem?
6. Modelo econômico — quais são a economia unitária e as dinâmicas de captura de valor?
7. Tecnologias e arquiteturas emergentes — quais conceitos, projetos ou frameworks ainda estão em desenvolvimento/discussão (pré-mainstream) que podem ser fundamentais? Pesquise projetos open-source, artigos de pesquisa, repositórios GitHub, discussões em Discord/forums, palestras de conferências e ferramentas em estágio inicial que são relevantes. Exemplos: arquiteturas de agentes inovadoras, novos paradigmas de teste, frameworks experimentais. Eles podem não ter documentação polida — mergulhe em READMEs, issues do GitHub, threads do Twitter/X, posts de blog de desenvolvedores e preprints acadêmicos.
8. Visão contrária — qual é o argumento mais forte contra o consenso?

Nem todas as threads se aplicam a todas as perguntas. Escolha as 5-7 mais relevantes. A thread 7 (Tecnologias emergentes) deve SEMPRE ser incluída — o usuário quer especificamente ficar à frente de conceitos que ainda não são mainstream.

Antes de criar os agentes:

1. Leia arquivos relevantes do vault para contexto existente:
   • 05-knowledge/ para frameworks e modelos mentais existentes
   • 04-projects/ para contexto específico do projeto, se relevante
   • Braindumps recentes sobre o pensamento existente do usuário neste tópico
2. Apresente a decomposição ao usuário para que ele possa corrigir o curso antes do lançamento dos agentes

Fase 2: Pesquisa Profunda em Paralelo (Crie 5-7 Agentes Simultaneamente)

CRÍTICO: Lance TODOS os agentes em uma única mensagem. Use run_in_background: true para todos os agentes.

Cada agente recebe um prompt detalhado seguindo este modelo:

Você é um analista de pesquisa estratégica investigando uma thread específica de uma questão estratégica maior.

PERGUNTA PRINCIPAL: [pergunta original do usuário]
SUA THREAD: [thread de pesquisa específica]
CONTEXTO EXISTENTE: [qualquer contexto relevante do vault]

METODOLOGIA DE PESQUISA:
1. WebSearch para 8-12 fontes de alta qualidade (priorize: relatórios de pesquisa, análises de especialistas, documentos de empresas, artigos acadêmicos, publicações do setor — NÃO listicles ou posts de blog superficiais)
2. Para cada fonte encontrada, WebFetch para ler o conteúdo completo e extrair argumentos-chave, pontos de dados e frameworks
3. Procure por pontos de vista CONFLITANTES — não confirme apenas uma narrativa
4. Identifique pontos de dados específicos, estatísticas e exemplos concretos
5. Anote a credibilidade e o viés potencial de cada fonte
6. PARA THREADS DE TECNOLOGIAS EMERGENTES: Vá além de fontes polidas. Pesquise repositórios GitHub (README, issues, discussões), threads do Twitter/X de desenvolvedores, discussões em Discord/forums, resumos de palestras de conferências, preprints do arXiv e posts de blog iniciais. O objetivo é descobrir conceitos que são pré-mainstream, mas tecnicamente promissores. Para cada conceito encontrado, avalie: nível de maturidade, abordagem técnica, relevância para o caso de uso do usuário e o que seria necessário para adotar/integrar.

FORMATO DE SAÍDA (retorne TUDO isso):

## Thread: [nome da thread]

### Principais Descobertas (3-5 marcadores)
- Descoberta com atribuição de fonte

### Evidências e Pontos de Dados
- Estatísticas específicas, dados de mercado, exemplos com fontes

### Perspectivas de Especialistas/Notáveis
- Perspectivas nomeadas de vozes credíveis

### Implicações para [contexto do usuário]
- O que isso significa especificamente para a situação do usuário

### Nível de Confiança
- ALTO / MÉDIO / BAIXO com justificativa

### Fontes
- Lista numerada de URLs reais consultadas

Convenção de nomenclatura de agentes: research-[slug-da-thread] (ex.: research-market-forces, research-historical-precedent)

Fase 3: Síntese (Orquestrador — após todos os agentes concluírem)

Assim que todos os agentes retornarem, sintetize em um único documento de análise estratégica:

Estrutura do Documento:

---
type: strategic-research
domain: [detectar automaticamente da pergunta]
date: AAAA-MM-DD
question: "[pergunta original]"
threads: [lista de threads de pesquisa]
confidence: [confiança geral ALTA/MÉDIA/BAIXA]
tags:
  - auto-research
  - strategy
  - [tags do tópico]
status: complete
---

# [Pergunta Estratégica como Título]

## Resumo Executivo
3-5 frases capturando o insight central. Comece com a resposta, não com o processo.

## O Panorama Estratégico
Visão sintetizada em todas as threads de pesquisa. Não é um despejo thread por thread — entrelace as descobertas em uma narrativa coerente.

## Principais Forças em Jogo
As 3-4 dinâmicas mais importantes que moldam esta pergunta, com evidências de múltiplas threads.

## Cenários
### Cenário A: [Mais Provável] — X% de confiança
O que acontece, cronograma, implicações

### Cenário B: [Otimista/Alternativo]
O que acontece, cronograma, implicações

### Cenário C: [Pior Caso/Ruptura]
O que acontece, cronograma, implicações

## Tecnologias e Arquiteturas Emergentes para Acompanhar
Conceitos, projetos e frameworks que ainda estão em desenvolvimento/discussão, mas podem ser fundamentais. Para cada um:
- **O que é:** Explicação em um parágrafo
- **Maturidade:** Pré-alfa / Alfa / Adoção inicial / Comunidade crescente
- **Abordagem técnica:** Como funciona arquiteturalmente
- **Relevância para nosso caso de uso:** Por que isso importa especificamente para nós
- **Caminho de adoção:** O que seria necessário para integrar/adotar — esforço, riscos, dependências
- **Links principais:** Repositório GitHub, artigo, thread de discussão

## Opções Estratégicas
Para cada opção:
- **Descrição:** O que isso significa concretamente
- **Prós:** Com evidências
- **Contras:** Com evidências
- **Pré-requisitos:** O que precisa ser verdade
- **Cronograma:** Quando decidir/agir
- **Alavancagem de tecnologia emergente:** Quais conceitos emergentes acima podem fortalecer esta opção

## Ações Recomendadas
Itens de ação priorizados, concretos e com prazo. Não "considere X" vago — específico "faça X até Y porque Z."
Inclua uma subseção separada "Apostas de Tecnologia": quais projetos emergentes começar a experimentar agora, mesmo que não estejam prontos para produção.

## Visão Contrária
O argumento mais forte contra o caminho de consenso/recomendado. O que poderia tornar tudo isso errado?

## Confiança e Lacunas
- No que estamos confiantes e por quê
- O que não conseguimos determinar e qual pesquisa adicional ajudaria
- Principais suposições que devem ser monitoradas

## Fontes
Lista consolidada e deduplicada de todas as fontes de todas as threads.

Fase 4: Salvar e Entregar

1. Salve a análise completa em 05-knowledge/research/AAAA-MM-DD-[slug].md
2. Se a análise for longa (>3000 palavras), crie também um breve resumo de 1 página em 05-knowledge/research/AAAA-MM-DD-[slug]-summary.md
3. Apresente o Resumo Executivo + Ações Recomendadas ao usuário diretamente no chat

---

Padrões de Qualidade

• Nenhuma fonte alucinada. Toda afirmação deve ser rastreável a um resultado real de WebSearch/WebFetch.
• Atualidade importa. Priorize fontes dos últimos 6 meses. Sinalize qualquer coisa mais antiga.
• Consciência de viés. Anote quando as fontes têm incentivos comerciais óbvios.
• Especificidade em vez de generalidade. "O mercado de ferramentas de teste é de $XX.XB e cresce a YY% CAGR" é melhor que "o mercado está crescendo."
• Acionabilidade. A saída deve ajudar o usuário a tomar uma decisão, não apenas entender um tópico.
• Honestidade intelectual. Se a pesquisa for inconclusiva, diga isso. Não fabrique falsa confiança.

Exemplo de Decomposição

Pergunta: "Se os modelos LLM genéricos melhorarem com o tempo, qual é o futuro para empresas wrapper de LLM como Katalon ou Scout?"

Threads:

1. Trajetória do modelo de base — Quão rápido GPT/Claude/Gemini estão melhorando em compreensão de código, geração de testes, detecção de bugs? Qual é a curva de capacidade?
2. Precedente histórico: commoditização de plataforma — O que aconteceu com empresas construídas sobre AWS, iOS, Salesforce, etc. quando a plataforma absorveu seus recursos? Quem sobreviveu e por quê?
3. Estrutura da indústria de testes — Mapa de mercado atual, cadeia de valor, onde a margem reside, pelo que os compradores realmente pagam
4. Estratégias de empresas wrapper — Como as atuais empresas wrapper de IA (Jasper, Copy.ai, Cursor, etc.) estão se adaptando? O que está funcionando?
5. Comportamento de compra empresarial — As empresas compram "IA" ou compram "soluções"? Qual é a realidade de aquisição?
6. Tecnologias e arquiteturas emergentes — Que conceitos pré-mainstream podem remodelar o cenário? (ex.: frameworks de agentes inovadores, novos paradigmas de teste, agentes de uso de computador, arquiteturas de automação de navegador). Pesquise repositórios GitHub, arXiv, threads de desenvolvedores no Twitter/X, comunidades Discord, palestras de conferências.
7. Análise de defensabilidade — Quais fossos existem para empresas de IA específicas de teste? Dados, fluxo de trabalho, integração, marca, custos de troca?
8. Contrário: wrappers vencem — Argumentos sobre por que empresas verticais de IA podem realmente AUMENTAR de valor à medida que os modelos se tornam commodity

Expectativas de Tempo de Execução

• Fase 1: ~2 minutos (decomposição + confirmação do usuário)
• Fase 2: ~5-10 minutos (pesquisa paralela, o agente mais longo determina o tempo total)
• Fase 3: ~3-5 minutos (síntese)
• Total: ~10-15 minutos para uma análise estratégica abrangente

Tratamento de Erros

• Se uma thread de pesquisa retornar resultados de baixa qualidade, anote isso na síntese em vez de fabricar profundidade
• Se WebSearch/WebFetch falhar para uma thread, tente novamente uma vez com termos de pesquisa alternativos, depois documente a lacuna
• O usuário pode interromper durante a Fase 2 para redirecionar ou adicionar threads
• A habilidade pode ser executada várias vezes em perguntas relacionadas — consulte arquivos de pesquisa anteriores de 05-knowledge/research/

Comportamento de Fallback

Esta habilidade requer as ferramentas WebSearch e WebFetch. Se elas não estiverem disponíveis:

• Recorra a análise apenas do vault usando o conteúdo existente de 05-knowledge/
• Afirme claramente que nenhuma pesquisa web ao vivo foi realizada
• Recomende que o usuário execute a habilidade novamente quando as ferramentas web estiverem disponíveis