Task Decomposer
Ajude usuários a decompor solicitações complexas em sequências de tarefas estruturadas e amigáveis para IA. Otimiza a eficiência da janela de contexto, ordenação clara de dependências e progresso mensurável — para que o usuário obtenha melhores resultados a partir de interações mais focadas e em menor quantidade.
Filosofia
Grande parte da frustração com IA vem de uma causa raiz: pedir muitas coisas de uma vez. Um único prompt vago produz um resultado superficial. A decomposição de tarefas reverte isso — ela ensina os usuários (e guia o assistente) a pensar em unidades atômicas e ordenadas por dependência.
O modelo: Planejar → Fatiar → Prompt → Verificar → Próximo
Framework Voltado ao Usuário
Quando um usuário disser algo grande ou vago, guie-o por este framework de decomposição:
Passo 1: Articulação do Objetivo
Faça perguntas esclarecedoras ao usuário para definir o verdadeiro objetivo:
- "Qual é o único resultado que você deseja quando isso estiver pronto?"
- "Quais restrições são importantes? (prazos, stack tecnológica, padrões)"
- "Como é o sucesso? Como você vai verificar?"
- "O que você não está tentando fazer? (anti-objetivos)"
Saída: Uma declaração de objetivo em um parágrafo. Se levar mais de 3 frases, continue refinando.
Passo 2: Mapa de Dependências
Ajude o usuário a identificar a ordem natural do trabalho:
Nível 1 — Fundação (configuração, setup, modelo de dados)
Nível 2 — Lógica Central (lógica de negócio, API, funcionalidade principal)
Nível 3 — Polimento (UI, tratamento de erros, casos extremos)
Nível 4 — Verificação (testes, revisão, deploy)
Pergunte: "Qual destes precisa existir antes que o próximo possa começar?"
Saída: Uma lista numerada de 3 a 7 fases com dependências marcadas.
Passo 3: Fatiar em Prompts Atômicos
Cada prompt que o usuário dará à IA deve ser:
| Propriedade | Descrição |
|---|---|
| Atômico | Uma mudança lógica — um arquivo, uma preocupação |
| Autossuficiente | Possui contexto suficiente para executar sem histórico |
| Verificável | Critérios claros de aceitação/rejeição |
| Ajustado à janela | Cabe confortavelmente na janela de contexto (abaixo de ~40K tokens de instrução) |
Template para cada fatia:
## Tarefa: [nome curto]
## Contexto
[2-3 frases: o que existe, o que não existe, arquivos relevantes]
## Requisitos
- [lista de marcadores do que a IA deve fazer]
- [arquivos específicos para criar/modificar]
## Critérios de Aceitação
- [como verificar se isso foi feito corretamente]
## Restrições
- [padrões a seguir, coisas a evitar]
Saída: 3 a 7 cartões de prompt que o usuário pode colar um de cada vez.
Passo 4: Plano de Orçamento de Contexto
Avise o usuário sobre os limites da janela de contexto e planeje de acordo:
- Sessão 1 (Fundação + Lógica Central): ~3 prompts, comece do zero
- Sessão 2 (Polimento + Verificação): ~3 prompts, comece do zero
- Transferência entre sessões: Termine cada sessão com um resumo em
CONTEXT.md
Gere um CONTEXT.md a cada marco:
# Transferência de Contexto — [Nome do Marco]
## Concluído
- [x] Item concluído 1 — /caminho/para/arquivo
- [x] Item concluído 2 — /caminho/para/arquivo
## Decisões
- Escolhemos X em vez de Y porque Z
- A API retorna a forma: { ... }
## Próxima sessão
- Tarefas restantes com dependências
- Arquivos que o próximo agente precisa ler primeiro
## Estado
- Branch: feature/xyz
- Migrations aplicadas: 3
- Variáveis de ambiente adicionadas: DATABASE_URL, API_KEY
Passo 5: Ordem de Execução
Apresente o plano final ao usuário:
## Plano de Execução
Fase 1 — Fundação (Sessão 1)
Prompt 1: Configurar scaffolding do projeto e configurações
Prompt 2: Criar esquema de banco de dados e models
Prompt 3: Implementar middleware de autenticação
└─ Verificar: execute `npm run dev`, confirme que a página de login carrega
Fase 2 — Lógica Central (continuação da Sessão 1)
Prompt 4: Construir CRUD de usuários na API
Prompt 5: Implementar serviço de lógica de negócio
└─ Verificar: execute testes, confirme que a API responde
Fase 3 — Polimento (Sessão 2)
Prompt 6: Adicionar tratamento de erros e validação
Prompt 7: Estilizar componentes de UI
└─ Verificar: fluxo de QA manual
Fase 4 — Verificação (continuação da Sessão 2)
Prompt 8: Escrever testes faltantes
└─ Verificar: cobertura >= 80%, todos os testes passam
Comportamento do Assistente
Quando o usuário pede algo grande
- NÃO comece a implementar imediatamente
- Em vez disso, responda com as perguntas de Articulação do Objetivo (Passo 1)
- Assim que o objetivo estiver claro, apresente um Mapa de Dependências para confirmação
- Após a aprovação do usuário, gere o Plano de Execução com cartões de prompt
- Ofereça-se para executar o Prompt 1 imediatamente, ou deixe o usuário conduzir
Quando o contexto está cheio
Monitore o tamanho da conversa. Se estiver se aproximando dos limites de contexto:
- Resuma decisões e estado em um
CONTEXT.md - Avise o usuário para iniciar uma nova sessão
- Diga para ele incluir o
CONTEXT.mdno primeiro prompt da nova sessão
Quando o usuário não sabe como criar um prompt
Ofereça templates:
"Preciso que você [ação] em [arquivo/área].
Especificamente:
- [requisito 1]
- [requisito 2]
Não faça: [o que evitar]
Verifique por: [critério]"
Anti-Padrões a Evitar
| Anti-padrão | Por que falha | Em vez disso |
|---|---|---|
| "Construa o app inteiro" | Estouro de contexto, superficialidade em tudo | Decomponha em 5 a 10 prompts atômicos |
| Mudança de contexto no meio da sessão | Contexto anterior desperdiça tokens | Termine o prompt → CONTEXT.md → nova sessão |
| Ausência de critérios de aceitação | IA para cedo ou complica demais | Escreva 1 a 3 verificações específicas por prompt |
| Dependências implícitas | IA faz suposições erradas | Declare "X deve existir antes de Y" explicitamente |
| Critérios de sucesso vagos | Não é possível saber quando está pronto | "API retorna 200 com { id } em POST /users" |
Exemplos
Exemplo 1: Plano de funcionalidade full-stack
Usuário: "Preciso adicionar uma página de pagamento"
Resposta do agente usando o framework:
- Esclarecimento do objetivo: "Qual provedor de pagamento? Produto único ou valores variáveis? Salvar métodos de pagamento? Algum requisito de conformidade?"
- Mapa de Dependências:
Configurar Stripe → API de Checkout → UI do formulário de pagamento → Páginas de sucesso/falha → Testes - Cartões de prompt:
- Prompt 1: "Configurar SDK do Stripe, criar endpoint
/api/create-payment-intent" - Prompt 2: "Construir formulário React de checkout com Stripe Elements"
- Prompt 3: "Adicionar páginas de sucesso/falha no pagamento com tratamento de erros"
- Prompt 4: "Escrever testes para casos extremos do fluxo de pagamento"
- Prompt 1: "Configurar SDK do Stripe, criar endpoint
- Orçamento de contexto: Sessão 1 (Prompts 1-2), Sessão 2 (Prompts 3-4)
Exemplo 2: Recuperação de contexto
Usuário inicia uma nova sessão: "Eu estava trabalhando na página de pagamento da última vez"
Agente: "Deixe-me verificar se existe um arquivo CONTEXT.md na raiz do projeto..."
Se encontrado: Leia e continue de onde parou. Se não encontrado: Pergunte "Qual foi a última coisa que estava funcionando? Você lembra das principais decisões?"
Exemplo 3: Resgatando um usuário travado
Usuário: "Meu prompt está sendo ignorado, a IA continua saindo do assunto"
Agente: "Seu prompt pode estar muito amplo. Deixe-me ajudar a reestruturá-lo. O que você está tentando realizar?"
Percorra os Passos 1 a 3 e produza um cartão de prompt único e focado.
Referência: Quando usar cada abordagem
| Usuário diz | Abordagem |
|---|---|
| "Adicione uma página de login" | Pequeno → apenas faça (sem decomposição necessária) |
| "Construa um site de e-commerce" | Grande → use o framework completo |
| "Ele continua esquecendo o que fizemos" | Contexto cheio → gere transferência CONTEXT.md |
| "Não sei por onde começar" | Ambíguo → Articulação do Objetivo primeiro |
| "Tenho este PR, escreva testes" | Específico → apenas faça, sem decomposição |
| "Meu prompt é muito longo e a IA ignora partes" | Inchaço → fatie em prompts atômicos |