Communitygithub.com

Salas de Bate-papo de Agentes

Gere vários agentes em uma conversa compartilhada onde eles debatem, discordam e convergem para uma solução através de um arquivo chat.json compartilhado.

O que é Salas de Bate-papo de Agentes?

Esta skill permite criar salas de debate com múltiplos agentes de IA, iniciando uma discussão estruturada sobre um problema específico. O usuário define o problema, o número de agentes (padrão 3), as rodadas de debate (padrão 3) e, opcionalmente, os papéis de cada agente (como Arquiteto, Pragmático, Crítico). Durante o debate, cada agente lê todo o histórico da conversa antes de contribuir, permitindo que eles construam, desafiem ou refinem as contribuições anteriores, promovendo um raciocínio adversarial genuíno. Ao final, a skill sintetiza automaticamente um relatório destacando consensos, discordâncias, recomendações e riscos não resolvidos, tudo salvo em arquivos Markdown e JSON. É útil para decisões de arquitetura, revisões de código, trade-offs de design ou qualquer problema que se beneficie de múltiplas perspectivas. A skill é acionada por frases como "chatroom", "debate de agentes", "faça agentes discutirem", "debate isso" ou "/agent-chatrooms". Suporta personalização avançada, como escolha de modelo (sonnet padrão, opus para raciocínio mais profundo) e parada antecipada em caso de convergência para economizar custos.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/BIGboss248/nextjs-wordpress/tree/HEAD/.agents/skills/agent-chatrooms

Perguntar na sua IA favorita

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

Documentação

O que Salas de Bate-papo de Agentes faz?

Gere N agentes (padrão 3) em uma conversa compartilhada simulada. Cada agente lê o histórico completo do chat antes de responder, construindo, desafiando ou refinando contribuições anteriores. Você (o orquestrador) atua como gerente de projeto — moderando rodadas, lendo o debate e extraindo o resultado final.

Por que isso funciona: Entregas sequenciais perdem contexto — o segundo modelo não sabe POR QUE o primeiro tomou suas decisões. Uma conversa compartilhada preserva cadeias de raciocínio e permite um debate genuíno. Quando o Agente A diz "isso precisa de uma fila" e o Agente B diz "um loop simples é suficiente", essa discordância é mais valiosa do que a resposta confiante e isolada de qualquer agente. Os agentes desafiam suposições, detectam erros e sintetizam caminhos de raciocínio diversos.

Execução

1. Analisar a solicitação

Extraia da mensagem do usuário:

  • Problema/pergunta a debater
  • Número de agentes N — padrão 3. O usuário pode alterar ("faça 5 agentes debaterem")
  • Número de rodadas R — padrão 3. O usuário pode alterar ("debata por 5 rodadas")
  • Papéis dos agentes (opcional) — o usuário pode especificar papéis ("tenha um arquiteto, um engenheiro de segurança e um desenvolvedor frontend debatendo isso"). Se não especificado, atribua papéis padrão diversos.

Se o problema for vago, peça ao usuário para refiná-lo antes de gerar.

2. Atribuir papéis aos agentes

Cada agente recebe uma perspectiva distinta para maximizar a discordância produtiva. Se o usuário não especificou papéis, escolha entre estes padrões com base no domínio do problema:

Engenharia de software:

  1. Arquiteto — pensa em sistemas, interfaces, escalabilidade e manutenibilidade de longo prazo
  2. Pragmático — otimiza para entrega rápida, complexidade mínima, soluções "boas o suficiente"
  3. Crítico — encontra casos limite, modos de falha, brechas de segurança e suposições não declaradas

Produto/design:

  1. Defensor do usuário — otimiza para UX, simplicidade, prazer do usuário
  2. Estrategista de negócios — otimiza para receita, crescimento, vantagem competitiva
  3. Engenheiro — fundamenta a discussão em viabilidade técnica e custo

Estratégia/decisões:

  1. Otimista — vê oportunidade, potencial positivo, razões para agir
  2. Cético — vê risco, desvantagem, razões para esperar
  3. Sintetizador — encontra o caminho do meio, integra ambas as perspectivas

Para N > 3, adicione mais papéis que criem tensão produtiva com os existentes.

3. Inicializar o arquivo de chat

Crie active/chatroom/chat.json com a estrutura inicial:

{
  "problem": "{declaração do problema}",
  "context": "{qualquer contexto relevante, código, restrições}",
  "agents": [
    {"name": "Agente A", "role": "{papel}", "framing": "{descrição do papel}"},
    {"name": "Agente B", "role": "{papel}", "framing": "{descrição do papel}"},
    {"name": "Agente C", "role": "{papel}", "framing": "{descrição do papel}"}
  ],
  "rounds": [],
  "final_output": null
}

4. Executar rodadas de debate

Para cada rodada (1 a R), gere todos os N agentes em paralelo. Cada agente lê o histórico completo do chat e contribui.

Configuração de geração do agente:

  • subagent_type: "general-purpose"
  • model: "sonnet" (padrão — usuário pode alterar para opus para raciocínio mais profundo)
  • mode: "bypassPermissions"

Procedimento da rodada:

Rodada 1 — Posições iniciais: Cada agente expõe sua visão inicial sobre o problema.

Prompt do agente:

Você é {papel}: {descrição do papel}

PROBLEMA:
{problema}

CONTEXTO:
{contexto}

Esta é a Rodada 1 de um debate multi-agente. Declare sua posição inicial sobre este problema. Seja específico e concreto — proponha soluções reais, não princípios vagos. Tome uma posição clara.

Outros agentes desafiarão sua posição em rodadas subsequentes, então torne seu raciocínio explícito.

Responda neste formato:
POSIÇÃO: [Sua posição em uma frase]
RACIOCÍNIO: [Seu argumento detalhado — 3-5 pontos-chave]
PROPOSTA: [Sua recomendação concreta]
PREOCUPAÇÕES: [O que pode dar errado com sua abordagem]

Escreva sua resposta diretamente — não escreva em nenhum arquivo.

Rodadas 2+ — Debate: Cada agente lê todas as respostas anteriores e responde.

Prompt do agente:

Você é {papel}: {descrição do papel}

PROBLEMA:
{problema}

DISCUSSÃO ANTERIOR:
{todas as entradas de rodadas anteriores, formatadas como "Agente X (Papel): resposta"}

Esta é a Rodada {N} de um debate multi-agente. Leia a discussão anterior cuidadosamente.

Seu trabalho:
1. Responda ao contra-argumento mais forte contra sua posição
2. Identifique onde você CONCORDA com outros agentes (reconheça bons pontos)
3. Identifique onde você ainda DISCORDA e por quê
4. Refine sua proposta com base na discussão até agora

Não apenas repita sua posição anterior. Envolva-se com o que outros disseram. Mude de ideia se eles apresentaram um argumento melhor.

Responda neste formato:
CONCORDÂNCIAS: [O que outros agentes acertaram]
DISCORDÂNCIAS: [Onde você ainda difere e por quê]
PROPOSTA REFINADA: [Sua recomendação atualizada]
CONFIANÇA: [1-10 o quão confiante você está em sua posição refinada]

Escreva sua resposta diretamente — não escreva em nenhum arquivo.

Após cada rodada:

  1. Colete todas as respostas dos agentes
  2. Acrescente ao array rounds em chat.json:
{
  "round": 1,
  "entries": [
    {"agent": "Agente A", "role": "Arquiteto", "response": "..."},
    {"agent": "Agente B", "role": "Pragmático", "response": "..."},
    {"agent": "Agente C", "role": "Crítico", "response": "..."}
  ]
}
  1. Verifique a convergência: se todos os agentes concordarem (confiança 8+, propostas alinhadas), pare antecipadamente — não há necessidade de mais rodadas.

5. Sintetizar o resultado final

Após a última rodada, você (o orquestrador) lê o debate completo e produz uma síntese. NÃO gere outro agente para isso — você mesmo faz.

Analise:

  • Onde os agentes convergiram? — estas são conclusões de alta confiança
  • Onde eles permaneceram divididos? — estes são trade-offs genuínos que o usuário precisa decidir
  • Que preocupações foram levantadas, mas não resolvidas? — estes são riscos a monitorar
  • Algum agente mudou de ideia? — mudanças de opinião são sinais fortes

6. Escrever o relatório final

Atualize active/chatroom/chat.json com o final_output, e escreva um resumo legível para active/chatroom/chatroom_report.md:

# Relatório da Sala de Bate-papo de Agentes

**Problema**: {problema}
**Agentes**: {N} | **Rodadas**: {R}
**Data**: {data}

## Participantes
| Agente | Papel | Confiança Final |
|--------|-------|----------------|
| Agente A | {papel} | {confiança}/10 |
| Agente B | {papel} | {confiança}/10 |
| Agente C | {papel} | {confiança}/10 |

## Consenso
{O que todos os agentes concordaram na rodada final}

## Principais Discordâncias
{Onde os agentes permaneceram divididos — apresente ambos os lados de forma justa}

## Ação Recomendada
{Sua síntese como orquestrador — o melhor caminho a seguir considerando todas as perspectivas}

## Riscos Não Resolvidos
{Preocupações levantadas durante o debate que não foram totalmente abordadas}

## Destaques do Debate
{As trocas mais interessantes — onde mentes mudaram ou contra-argumentos fortes surgiram}

## Transcrição Completa
{Link para chat.json ou inclua as principais trocas}

7. Entregar resultados

Apresente ao usuário:

  • Síntese de um parágrafo do resultado do debate
  • A ação recomendada (sua decisão como orquestrador, informada pelo debate)
  • A discordância mais aguda (onde o julgamento do usuário é necessário)
  • Caminhos dos arquivos para o relatório e chat.json

Configuração

ParâmetroPadrãoDescrição
N3Número de agentes na sala de bate-papo
R3Número de rodadas de debate
modelsonnetModelo para cada agente
rolesautoPapéis dos agentes (atribuídos automaticamente ou especificados pelo usuário)

O usuário pode alterar: "faça 5 agentes opus debaterem por 4 rodadas" ou "debate entre um arquiteto e um desenvolvedor júnior".

Considerações de custo

  • 3 agentes sonnet x 3 rodadas = 9 chamadas de agente (~$0.30-0.50)
  • 3 agentes opus x 3 rodadas = 9 chamadas de agente (~$3-5)
  • 5 agentes x 5 rodadas = 25 chamadas — fica caro com opus
  • Padrão para sonnet. Use opus apenas se o usuário solicitar explicitamente ou se o problema exigir raciocínio técnico profundo.
  • Convergência antecipada economiza custos — pare se os agentes concordarem antes de todas as rodadas serem concluídas.

Casos extremos

  • N < 2: Avise o usuário — uma sala de bate-papo precisa de pelo menos 2 agentes. Mínimo 2.
  • Agentes todos concordam imediatamente: Pare após a rodada 1. Relate consenso unânime. Este é um resultado válido (e barato).
  • Agentes em impasse: Após R rodadas sem convergência, relate o impasse honestamente. A conclusão é que esta é uma decisão de julgamento genuína sem uma resposta dominante.
  • Agente sai do tópico: Exclua essa resposta da síntese e anote o número efetivo de agentes.
  • Arquivos de sala de bate-papo existentes: Verifique active/chatroom/ se há arquivos existentes. Sobrescreva sem perguntar (estes são artefatos de debate efêmeros, não dados persistentes).
  • Usuário especifica papéis personalizados: Use exatamente o que eles especificarem. Não adicione papéis extras a menos que seja solicitado.

Arquivos de saída

ArquivoDescrição
active/chatroom/chat.jsonTranscrição completa e estruturada do debate
active/chatroom/chatroom_report.mdRelatório de síntese legível

Relatórios anteriores são sobrescritos — estas são ferramentas de debate efêmeras, não arquivos.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

BIGboss248/nextjs-wordpress

Create, configure, manage, and validate Google Antigravity customizations including skills, rules, MCP servers, lifecycle hooks, plugins, and custom JSON configs. Use when adding new capabilities to Antigravity, configuring MCP servers, writing rules, creating skills, setting up hooks, or modernizing legacy workflows.

BIGboss248/nextjs-wordpress

Always-active code intelligence, search, and navigation skill utilizing the codebase-memory MCP server. Enforces an index-first protocol (verifying and refreshing the knowledge graph via index_repository or index_status before searching, required because background auto_watch is disabled to eliminate editor stutter and system lag), followed by graph-first exploration (search_graph, trace_path, get_code_snippet, query_graph, get_architecture, detect_changes) instead of naive text grep or full-file reads. Always activate before searching the codebase, inspecting unknown architecture, finding symbols, or tracing callers/callees.

BIGboss248/nextjs-wordpress

>- Discover, interview, and craft comprehensive UX/UI design specifications (design-spec.md) and design tokens for web components. Triggers on "/component-design", "design component", "design section", "design UI", "wireframe component", or "create design spec".

BIGboss248/nextjs-wordpress

>- Configure and query WooCommerce APIs including WPGraphQL, WooGraphQL, and JWT auth for headless frontends. Use when connecting Next.js to WooCommerce or fetching store catalog data.

BIGboss248/nextjs-wordpress

Orchestrate parallel browser automation using multiple Chrome DevTools MCP instances. Use when a task requires doing the same browser action across many targets simultaneously (e.g., submitting contact forms, filling applications, scraping pages that need JS rendering). Spin up 1-5 parallel Chrome agents.

BIGboss248/nextjs-wordpress

Workflow for spawning an independent subagent to conduct unbiased code reviews and inject adversarial edge-case tests ([ComponentName].edge.test.tsx).

BIGboss248/nextjs-wordpress

>- Build Next.js App Router React components with Suspense skeletons, semantic OKLCH tokens, Jest + RTL unit tests, Playwright visual/hydration checks, and Tailwind logical styling. Triggers on "/nextjs-component-dev", "create component", "new component", "build component", or "develop component".

BIGboss248/nextjs-wordpress

>- Bootstrap, configure, and verify the complete Next.js App Router development environment, developer tooling, testing suites, MCP servers, Docker containerization, and CI/CD. Triggers on "/nextjs-dev-setup", "setup nextjs dev environment", "start a nextjs project", or "containerize nextjs app".

BIGboss248/nextjs-wordpress

>- Configure production health monitoring endpoints (/api/health), Docker Compose probes, and runtime metrics in Next.js App Router applications. Use when asked to "setup health check", "add health endpoint", "docker compose healthcheck nextjs", "configure health monitor", or "/nextjs-healthcheck".

BIGboss248/nextjs-wordpress

Bootstrap, configure, and verify next-intl App Router internationalization (proxy.ts/middleware.ts, next/root-params, [locale] layout, routing). Triggers on "/nextjs-i18n-setup", "setup i18n", "install next-intl", "configure next-intl", "add internationalization", "setup locale routing", "migrate to [locale]".

BIGboss248/nextjs-wordpress

Read/write translation dictionaries (messages/[locale].json), next-intl hooks (getTranslations/useTranslations), providers (Storybook/tests/subtrees), and BiDi styling. Triggers on "/nextjs-i18n-usage", "i18n dictionary", "use translations", "read dictionary", "i18n provider", "next-intl hooks", "storybook i18n", "test i18n", "add translation keys", "localize component", "create a component", "update a component".

BIGboss248/nextjs-wordpress

>- Configure, test, and verify OpenTelemetry (OTel) observability in Next.js App Router applications. Triggers on "/nextjs-otel", "setup otel", "configure opentelemetry", "test otel", or "verify opentelemetry".

BIGboss248/nextjs-wordpress

Step-by-step workflow for designing and building Next.js App Router pages (RSC page.tsx, loading skeleton, metadata, JSON-LD schema, and dynamic static params). Triggers on "/nextjs-page-dev", "create page", "new page", "develop page", "build route", or "implement page".

BIGboss248/nextjs-wordpress

>- Orchestrate end-to-end planning for Next.js App Router projects, generating canonical specifications, design systems, and a 7-phase modular implementation roadmap in docs/plan/. Triggers on "/nextjs-plan", "plan a nextjs project", "plan nextjs app", "create nextjs project plan", "outline nextjs architecture", or "generate plan".

BIGboss248/nextjs-wordpress

Workflow and engineering standards for crafting co-located Storybook CSF3 stories ([ComponentName].stories.tsx) with interactive controls, action spies, and 4 canonical theme variants.

BIGboss248/nextjs-wordpress

>- Build Next.js e-commerce frontends backed by WooCommerce APIs, handling ISR catalogs, cart sessions, and JWT authentication. Use when building or querying Next.js stores with WooCommerce.

BIGboss248/nextjs-wordpress

Self-correcting rules engine and feedback loop that learns from user corrections, mistakes, and project-specific constraints by maintaining a persistent autofix ruleset. Scans learned rules before starting any task, resolves conflicts, and automatically appends new rules upon corrections. Triggers on user corrections ("no, do it this way", "never do X", "always use Y"), /learn, "self repair", "add rule", "update rules", or when diagnosing assumptions and bugs. CRITICAL ALWAYS-ACTIVE LIFECYCLE SKILL. Must always be kept in context, loaded at session start, and consulted before starting ANY task to read and apply active constraints from autofix.json. MUST ALWAYS be triggered immediately whenever the user provides ANY correction, preference, criticism, rejection of an approach, or adjustment ("no", "don't do X", "use Y", "remember", "prefer"), or when any mistake/bug is identified. Automatically and immediately formulates and appends the new imperative rule to the project's autofix.json ruleset file.

BIGboss248/nextjs-wordpress

Setup, automate, and execute SEO audits, CI/CD pre-push/pre-deploy checks, and ranking optimizations using the seo CLI and MCP server.

BIGboss248/nextjs-wordpress

End-to-end repository onboarding and development environment setup skill. Scans repository structure, configures project metadata (docs/project.json), sets up the codebase-memory-mcp code intelligence knowledge graph server (in workspace mcp.json and globally for AGY only), configures git hooks with Husky and Commitlint, establishes multi-stage production Docker containerization, and automates credit-optimized Release Please CI/CD with multi-arch (AMD64 & ARM64) GHCR package deployment. Triggers on "/setup-repository", "setup repository", "setup repo", "initialize repository", "new repo setup", or when preparing any repository for development and AI agent workflows.

BIGboss248/nextjs-wordpress

AI screen scaffolding, layout generation, and variant exploration workflow powered by Google Stitch (StitchMCP). Consumes a component design specification (docs/design/components/[page name]/[component name]/design-spec.md), verifies and reuses the central Stitch project in docs/project.json (or creates/persists one if absent), seeds the project's design system into Stitch, synthesizes layout prompts to generate a screen and create one variant of the given design spec file, downloads and saves Stitch JPG screenshots and HTML code files directly into docs/design/components/[page name]/[component name]/stitch/ using binary-safe PowerShell Invoke-WebRequest, outputs image prompts to the user if visual assets are needed (without calling generate_image to conserve tokens), updates design-spec.md with Stitch layout benchmarks, and audits asset download integrity with an independent subagent. Triggers on "/stitch-design", "generate stitch screen", "create stitch variant", "scaffold screen with stitch", or "stitch...

Habilidades Relacionadas