Communitygithub.com

Fluxo de Sessão Autônoma

Estrutura repetível de 5 fases para sessões de agentes autônomos: carregar contexto, seleção de trabalho em camadas, reivindicação de coordenação, execução e persistência de aprendizado. Previne trabalho duplicado em sessões concorrentes e garante que cada execução produza artefatos duráveis. Agnóstico de runtime — Claude Code, gptme, Codex ou qualquer agente com espaço de trabalho persistente.

O que é Fluxo de Sessão Autônoma?

Este skill define um fluxo de trabalho de 5 fases para agentes autônomos que precisam operar sem supervisão humana direta, garantindo eficiência, evitação de duplicação e persistência de aprendizado. É particularmente útil para desenvolvedores que utilizam agentes como Claude Code, gptme ou Codex em ambientes onde múltiplas sessões concorrentes podem ocorrer. As fases são: (1) Carregamento de contexto – recupera identidade do agente, estado da sessão e débitos pendentes; (2) Seleção de trabalho – prioriza tarefas ativas, seguidas por ganhos rápidos na backlog e, por fim, autoaperfeiçoamento, com proteções contra monotonia; (3) Reivindicação – adquire um lock de coordenação exclusivo para evitar que múltiplas sessões executem a mesma tarefa; (4) Execução – foco em entregar, não em aperfeiçoar, com compromissos frequentes e um orçamento de 50 minutos; (5) Persistência – escreve diário de sessão, atualiza estado de tarefas e lições aprendidas. O skill inclui instalação para Claude Code, documentação sobre racionalizações comuns, bandeiras vermelhas e adaptação para diferentes stacks. É recomendado para sessões autônomas, agentes selecionando trabalho de uma fila ou execuções não supervisionadas que precisam produzir artefatos duráveis.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/agentskillexchange/skills/tree/main/skills/autonomous-session-workflow

Perguntar na sua IA favorita

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

Documentação

O que Fluxo de Sessão Autônoma faz?

Uma estrutura repetível de 5 fases para sessões de agentes autônomos que previne trabalho duplicado, garante captura durável de aprendizado e mantém o viés de saída voltado para artefatos significativos entregues, não apenas movimento.

Testada em batalha através de milhares de sessões autônomas na arquitetura gptme. As fases são agnósticas de runtime — adapte as ferramentas específicas à sua pilha, mantendo a estrutura das fases intacta.

Quando Usar

  • No início de cada sessão de agente autônomo (nenhum humano vivo direcionando o trabalho)
  • Quando o agente deve selecionar seu próprio trabalho de um backlog ou fila
  • Quando sessões são executadas sem supervisão e precisam produzir artefatos duráveis

Quando Não Usar

  • Sessões interativas onde um humano fornece o próximo prompt a cada turno — apenas responda
  • Invocações de ferramenta únicas com um alvo fixo (nenhuma seleção necessária)
  • Chamadas de subagentes geradas a partir de uma tarefa pai (o pai já selecionou o trabalho)

As 5 Fases

Fase 1: Carregamento de Contexto

Carregue a identidade do agente, estado da sessão e modelo de mundo atual.

# Leia arquivos de identidade — persona, objetivos, restrições operacionais
# (adapte à sua pilha: CLAUDE.md, AGENTS.md, prompt do sistema, etc.)

# Leia contexto dinâmico — diário recente, fila de tarefas, status do git, notificações
# (adapte: um script de contexto, inclusão orientada por configuração ou injeção de prompt)

# Avalie pontas soltas de sessões anteriores:
#   - Reivindicações obsoletas que devem ser concluídas ou abandonadas
#   - Respostas pendentes em issues/PRs que você prometeu fechar
#   - Branches em andamento ou worktrees abertos

Pergunta-chave: "O que deixei inacabado e o que mudou enquanto estava offline?"

Se uma ponta solta for resolvível em <5 min, resolva-a aqui. Caso contrário, anote-a e prossiga.

Fase 2: Seleção de Trabalho

Tente camadas em ordem até encontrar trabalho acionável. As camadas impedem que o agente invente trabalho ocupado quando existem tarefas reais, e evitam inanição quando todas as tarefas estão bloqueadas.

Camada 1 — Tarefas ativas: trabalho já em andamento; maior prioridade
Camada 2 — Ganhos rápidos da backlog: itens prontos para dependência que podem ser concluídos nesta sessão
Camada 3 — Autoaperfeiçoamento: quando todas as tarefas estão bloqueadas externamente
  ├─ Backlog de ideias (avançar a ideia com maior pontuação)
  ├─ Auto-revisão / auditoria (encontrar e corrigir um problema real)
  ├─ Melhoria de ferramentas internas
  ├─ Documentação (apenas documentação desatualizada)
  ├─ Qualidade de código (typecheck, testes, lint)
  └─ Qualidade de lições (reparar lições prejudiciais ou desatualizadas)

Guarda antimonotonia: Se a mesma categoria dominou as últimas N sessões, pule-a mesmo que pareça a melhor escolha. A diversidade de categorias é uma função forçadora para aprender novos modos de falha.

Quando tudo está seco: Se todas as tarefas da Camada 1/2 estiverem bloqueadas externamente e as faixas da Camada 3 estiverem saturadas (limites diários atingidos), escreva um diário de contenção curto registrando o que foi verificado e deliberadamente pulado. Um NOOP justificado é melhor do que fabricar trabalho.

Fase 3: Reivindicação

Antes de executar, adquira uma reivindicação de coordenação exclusiva. Isso impede que duas sessões concorrentes executem o mesmo trabalho, inundem o mesmo thread de PR ou escrevam no mesmo arquivo.

# Padrão genérico de coordenação — adapte a ferramenta à sua pilha:
claim_key="task:<task-id>"          # para trabalho baseado em tarefa
claim_key="github:<owner>/<repo>#<num>"  # para trabalho baseado em issue
claim_key="content:<slug>:<date>"   # para criação de conteúdo/artefato

# Adquira reivindicação (exemplo usando uma CLI de coordenação):
coordination work-claim "<session-id>" "$claim_key" --ttl 60
# CLAIMED → prossiga
# DENIED  → outra sessão já está nisso; escolha o próximo candidato

Regra de notificar-antes-reivindicar: Qualquer ação visível para outros (postar um comentário, enviar uma mensagem, abrir um PR) deve ser protegida por uma reivindicação primeiro. Ações sociais sem reivindicações convergem e geram spam — um padrão reivindicado-depois-postado previne inundação.

Ao concluir: coordination work-complete "<session-id>" "$claim_key" Ao pivorar/falhar: coordination work-abandon "<session-id>" "$claim_key"

Fase 4: Execução

Faça trabalho real. A disciplina chave é entregar, não aperfeiçoar.

- Faça commits cedo e com frequência (commits pequenos e bem descritos)
- Execute testes antes de commitar (pegue problemas antes do CI)
- Use commits convencionais: feat/fix/docs/refactor/chore
- Faça push para a origem antes do fim da sessão
- Se emperrado por >10 minutos, siga em frente — não afunde o orçamento em um buraco de coelho
- Não adicione funcionalidades não solicitadas ou aumento de escopo

Orçamento de 50 minutos: A maioria das sessões autônomas deve concluir trabalho significativo em 50 minutos. Se a tarefa for maior, entregue uma fatia incremental e crie uma tarefa de acompanhamento para o restante.

Fase 5: Persistência

A fase mais subvalorizada. Tudo feito nas Fases 1–4 evapora entre sessões a menos que seja comprometido de forma durável.

# 1. Escreva a entrada do diário (arquivo específico da sessão, apenas anexar)
cat > journal/$(date +%Y-%m-%d)/session-<HASH>.md << 'EOF'
# Sessão <HASH>
**Data**: YYYY-MM-DD
**Resultado**: produtivo|bloqueado|noop — uma frase
**Categoria**: código|pesquisa|estratégico|manutenção|...

## Por que este trabalho
[O que levou a isso]

## O Que Fiz
[Mudanças concretas com links de commit/PR]

## Verificação
- [Testes passando? CI verde?]

## Aprendizado Persistido
- Estado da tarefa: <tarefa> → concluída/esperando
- Novas lições: [se houver]
- "Nenhum feedback durável nesta sessão" — se genuinamente nada a adicionar

## Próximo
[Próxima ação clara ou fator de bloqueio]
EOF

# 2. Atualize o estado da tarefa
task edit <task-id> --set state done   # ou waiting, se bloqueado

# 3. Se um padrão de falha recorrente foi descoberto, escreva uma lição/regra
#    (arquivo de contexto correspondente por palavra-chave injetado no início da próxima sessão)

# 4. Faça push de todos os commits
git push origin master

Regra de persistir-primeiro: Se descobriu algo útil, escreva a lição ANTES de aplicá-la ao trabalho atual. Depois que a correção estiver no lugar, o modo de falha parece resolvido e a lição é pulada. O diário captura o que aconteceu; a lição captura quando reconhecê-lo novamente.

Instalação

Claude Code

Copie este diretório de skill para a pasta de skills do seu agente:

cp -R skills/autonomous-session-workflow ~/.claude/skills/autonomous-session-workflow

Em seguida, invoque com /autonomous-session-workflow para carregar a lista de verificação de 5 fases no contexto.

Manual / qualquer runtime

Copie SKILL.md para o caminho de contexto do seu agente e carregue-o no início da sessão. As fases são markdown simples — inclua o arquivo inteiro ou escolha as seções relevantes para sua pilha.

Racionalizações Comuns

RacionalizaçãoRealidade
"Vou pular a reivindicação — sou a única sessão executando agora"Você não pode ver outras sessões sendo iniciadas. A geração concorrente é o padrão em runtimes de produção. A reivindicação é o portão, não a observação.
"Vou escrever o diário depois de concluir a próxima tarefa"Sessões são interrompidas. O diário é pulado. Escreva-o antes de fazer push, não depois de "mais uma coisa."
"Esta tarefa está quase concluída — vou pular a Fase 5 e só commitar"O aprendizado só se acumula se for persistido. A sessão que "quase" fechou o ciclo é a sessão cujo insight desaparece na próxima execução.
"Minha seleção é óbvia — não preciso passar pelas camadas"Seleção que pula as camadas é a principal fonte de trabalho redundante e PRs duplicados. As camadas existem porque "óbvio" muitas vezes não é o que realmente precisa ser feito.
"A lição é muito específica para ser reutilizável"Lições específicas (mensagem de erro exata, comando exato, modo de falha exato) são as mais valiosas — elas acionam precisamente quando necessário.
"Um NOOP justificado parece falha"Não é. Um commit de preenchimento para evitar o rótulo NOOP queima cota, alimenta a oscilação de convergência e esconde o congestionamento. Um diário de contenção É a entrega.

Bandeiras Vermelhas

  • Iniciar execução antes de reivindicar (risco de convergência)
  • Sessão termina sem diário e sem estado de tarefa atualizado
  • Commitar "em um momento" — se você não fez push antes de encerrar, não entregou
  • Três sessões consecutivas na mesma categoria sem uma pausa forçada de diversidade
  • "Vou lembrar disso" — não vai; escreva a lição agora

Verificação

Uma sessão bem executada satisfaz todos estes antes de fechar:

  • Reivindicado antes de agir (ou justificado por que nenhuma reivindicação era necessária)
  • Trabalho significativo commitado e com push feito
  • Testes passaram (ou uma falha conhecida documentada com motivo)
  • Entrada de diário escrita com a seção Aprendizado Persistido preenchida
  • Estado da tarefa atualizado (active → done, active → waiting, etc.)
  • Reivindicação concluída ou abandonada (não deixada como concessão pendente)

Adaptando à Sua Pilha

conceito gptmeSeu equivalente
gptodoqualquer gerenciador de tarefas com transições de estado
coordination work-claimum arquivo de bloqueio, Redis SETNX ou portão de comentário do GitHub
lessons/<categoria>/nome.mdqualquer arquivo de contexto correspondente por palavra-chave injetado no início da sessão
journal/<data>/sessao-<hash>.mdqualquer log de sessão somente anexar
cascade-selector.pysua heurística ou agendador de seleção de trabalho

O padrão é o valor, não as ferramentas específicas.

Relacionados

  • self-push (neste catálogo) — verificação preguiçosa antes de enviar qualquer saída
  • pre-landing-review (neste catálogo) — portão antes de mesclar alterações significativas
  • multi-lens-review (neste catálogo) — revisão estruturada de PR em várias lentes
  • five-element-spec (neste catálogo) — definição de escopo antes de começar o trabalho

Individual skills in this repo

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

Academic Paper Citation Network Mapper

Builds citation networks from Semantic Scholar API and CrossRef DOI metadata. Visualizes paper influence graphs using NetworkX, identifies seminal works, and tracks research lineage across fields.

ACF Custom Fields REST Exposer

Exposes Advanced Custom Fields data through the WordPress REST API using register_rest_field and acf_format_value. Handles repeater fields, flexible content layouts, and gallery fields with proper serialization.

ACF Extended for Advanced Custom Fields Workflows

An ASE skill built around ACF Extended, the WordPress enhancement suite for Advanced Custom Fields that adds field types, admin improvements, front-end forms, options pages, and developer tooling. It is a practical fit for agents working inside complex WordPress content models and custom field workflows.

ACF to Gutenberg Block Migrator

Converts Advanced Custom Fields field groups into native Gutenberg blocks using the ACF Block API v2 and @wordpress/scripts build pipeline. Maps ACF repeaters, groups, and flexible content to InnerBlocks and block attributes with server-side rendering via acf_register_block_type().

Activepieces Open Source Workflow Automation

Activepieces is an open-source, self-hostable workflow automation platform with 200+ integrations. It provides a visual builder for creating automated workflows and exposes all its connectors as MCP servers for AI agent use.

ActivityWatch Cross-Platform Automated Time Tracker and Producti

ActivityWatch is a privacy-first, open-source automated time tracker that records application usage, browser activity, and AFK status across Windows, macOS, and Linux. With 16k+ GitHub stars, it provides detailed productivity analytics without sending data to external servers.

act Local GitHub Actions Runner

act is an open-source CLI tool that runs GitHub Actions workflows locally using Docker, enabling fast feedback on workflow changes without pushing to GitHub. It is a standard tool for local Actions development and testing.

Add a browser review checkpoint before risky agent actions with

Use AgentClick when an agent should pause before risky commands, plans, drafts, or code changes so a human can inspect, edit, approve, or reject them in a purpose-built browser UI.

Add Claude design-system and accessibility workflows with UX/UI

Use UX/UI Agent Skills when Claude should generate tokens, component specs, accessibility audits, and framework-specific UI code from a repeatable design workflow.

Add executable smoke tests for shell scripts and CLIs before ref

Use Bats-core when an agent needs to turn fragile shell scripts or command-line workflows into something it can verify repeatedly after edits. The agent writes focused Bash tests for success paths, failure paths, and output contracts, then runs them locally or in CI before a refactor, release, or incident fix goes out.

Add graph-backed memory and context retrieval to agent workflows

Use Cognee to ingest project knowledge into graph and vector memory so agents can retrieve durable context across sessions and workflows.

Add IDE-style semantic code navigation and symbol-safe refactors

Give a coding agent symbol-aware lookup, cross-file rename, and structural edit tools before it starts making brittle text-only changes.

Add managed long-term memory to LangGraph agents with LangMem

Give LangGraph agents memory management and search tools so they can store, retrieve, and update durable facts across sessions.

Add multimodal lifelong memory to MCP and Python agents with Sim

Use SimpleMem to store, compress, index, and retrieve text or multimodal memories for agents through MCP or Python integrations.

Add persistent project memory and hook-driven synthesis with Cla

Keep Claude Code sessions grounded in prior decisions, project context, and daily handoff notes instead of starting from zero every time.

Add Postgres-native vector retrieval to agent and RAG workflows

Store embeddings beside application data in Postgres, create vector indexes, and query nearest neighbors for semantic search, RAG, recommendations, or agent memory retrieval.

Address GitHub PR review comments from the current branch with g

Find the open PR for the current branch, gather unresolved review comments, and drive a focused comment-resolution workflow with gh-authenticated context.

Add runtime guardrails to TypeScript agents with VoltAgent

Use VoltAgent to intercept, validate, and enforce input/output policies in TypeScript agent workflows.

Add temporal context memory to agent workflows with Zep

Use Zep as an external context layer for agents that need to store events, assemble temporal graph context, and retrieve relevant memory before model calls.

Adobe Firefly API Batch Image Generator

Calls Adobe Firefly

Habilidades Relacionadas