Communitygithub.com

curiositech/windags-skills

Aplica raciocínio BDI normativo a agentes que devem detectar normas, escolher quais compromissos internalizar e resolver conflitos comparando consequências. Use quando obrigações, proibições ou políticas colidirem em sistemas autônomos. NÃO para regras simples de prioridade fixa, satisfação de restrições pura ou domínios onde não exista conflito normativo real.

O que é windags-skills?

Este skill implementa uma Arquitetura de Agente BDI Normativo que permite que agentes autônomos lidem com múltiplas normas conflitantes de forma deliberativa e explicável. Ele separa o reconhecimento de normas (Abstract Norm Base, ANB) da internalização (Norm Instance Base, NIB), permitindo que o agente saiba de uma norma sem necessariamente segui-la. O raciocínio é baseado em três estados de consistência – inconsistência forte, consistência fraca e consistência forte – e na comparação de consequências para determinar o menor pior caso entre futuros incompatíveis. A abordagem é útil para sistemas autônomos onde obrigações, proibições ou políticas colidem, como robôs cuidadores, agentes de serviço ou qualquer sistema que precise justificar violações deliberadas. O skill inclui fluxos de decisão, modos de falha, exemplos práticos e referências para implementação detalhada.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/a-normative-extension-for-the-bdi-agent

Perguntar na sua IA favorita

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

Documentação

Arquitetura de Agente BDI Normativo

Use este skill quando um agente precisar estar ciente de múltiplas normas, decidir quais adotar em ações e explicar por que uma violação deliberada foi menos pior que as alternativas.

Quando Usar

  • Múltiplas regras, obrigações, proibições ou demandas de partes interessadas não podem ser satisfeitas simultaneamente.
  • Um agente deve distinguir saber que uma norma existe de realmente escolher segui-la.
  • Um sistema precisa justificar por que violou uma regra para satisfazer outro compromisso de maior risco.
  • Você precisa de uma alternativa baseada em consequências para listas de prioridade fixas e frágeis.
  • Uma arquitetura BDI precisa de uma maneira fundamentada para integrar raciocínio normativo sem transformar normas em sobreposições absolutas.

NÃO para Limites

Este skill não é a ferramenta principal para:

  • Hierarquias de prioridade fixa onde a precedência correta nunca muda com o contexto.
  • Satisfação de restrições pura onde qualquer solução satisfatória é boa o suficiente e violação de norma está fora do escopo.
  • Ambientes regulatorios ou éticos que exigem não violação literal independentemente das consequências.
  • Motores de regras de brinquedo que não mantêm crenças, compromissos ou explicações de violações deliberadas.

Modelos Mentais Principais

Reconhecimento Não é Internalização

Mantenha a Base de Normas Abstratas separada da Base de Instâncias de Normas. O agente pode detectar uma norma sem adotá-la. Essa separação é o que permite não conformidade deliberada e explicável, em vez de ignorância acidental.

Três Estados de Consistência

  • Inconsistência forte: nenhum plano pode satisfazer ambos os compromissos.
  • Consistência fraca: alguns planos funcionam, mas a flexibilidade futura diminui.
  • Consistência forte: todos os planos relevantes permanecem compatíveis.

O caso de consistência fraca é onde reside a maior parte do julgamento real de design.

Classificação por Consequências

Quando normas entram em conflito, compare pacotes coerentes de compromissos por sua pior consequência downstream. O ponto não é maximizar a bondade média; é escolher o pior caso menos ruim entre futuros incompatíveis.

Normas como Desejos Hipotéticos

Obrigações e proibições adotadas tornam-se pressões derrotáveis dentro da maquinaria BDI, em vez de um sistema de sobreposição separado. Isso mantém o raciocínio normativo dentro do mesmo loop deliberativo que a busca de objetivos comuns.

Pontos de Decisão

Veja o fluxo de adoção e conflito em diagrams/01_flowchart_decision-points.md.

flowchart TD
  A[Norm detected] --> B{Groundable in current beliefs?}
  B -->|No| C[Keep abstract and monitor]
  B -->|Yes| D[Check consistency]
  D -->|Strongly inconsistent| E[Compare conflict bundles by worst consequence]
  D -->|Weakly consistent| F[Evaluate flexibility cost]
  D -->|Strongly consistent| G[Adopt norm]
  E --> H[Choose least-bad worst case]
  F --> I{Adoption still worth it?}
  I -->|Yes| G
  I -->|No| J[Reject or defer]
  H --> G

1. Decidir se Adota uma Norma

  • Se uma nova norma for fortemente inconsistente com os compromissos atuais, a adoção requer descartar ou revisar algo.
  • Se for fracamente consistente, torne o custo de flexibilidade explícito antes de adotá-la.
  • Se for fortemente consistente, a adoção é de baixo risco e geralmente deve ser automática.

2. Decidir Como Resolver um Conflito

  • Gere subconjuntos não conflitantes máximos em vez de comparar normas uma a uma isoladamente.
  • Construa planos para cada subconjunto e identifique a pior consequência em cada futuro.
  • Escolha o subconjunto cujo pior caso seja menos ruim, depois registre o motivo da violação escolhida.

3. Decidir Quando Instanciar uma Norma Abstrata

  • Instancie apenas quando as crenças atuais puderem vincular variáveis e satisfazer condições de ativação.
  • Mantenha normas não resolvidas visíveis quando o conhecimento estiver incompleto, em vez de fingir que não se aplicam.
  • Reavalie normas abstratas pendentes após atualizações de crenças significativas.

Modos de Falha

1. Impasse por Superadoção

Sintomas: o agente continua internalizando normas até que nenhuma ação viável reste. Regra de detecção: o espaço de ação ativo encolhe mais rápido do que os conflitos são resolvidos. Recuperação: force uma revisão de consistência antes que qualquer norma adicional entre na Base de Instâncias de Normas.

2. Violação Oculta

Sintomas: o agente viola uma norma, mas não consegue afirmar que escolheu fazê-lo. Regra de detecção: explicações post-hoc omitem a norma rejeitada ou tratam a violação como se nunca tivesse existido. Recuperação: persista normas rejeitadas mas reconhecidas e registre a comparação de consequências vencedora.

3. Colapso de Consistência Binária

Sintomas: a lógica de adoção trata cada norma como totalmente compatível ou impossível. Regra de detecção: consistência fraca nunca aparece na arquitetura ou nos registros. Recuperação: adicione um ramo explícito de consistência fraca e modele a perda de flexibilidade diretamente.

4. Fragilidade de Prioridade Fixa

Sintomas: a mesma pilha de prioridade global produz escolhas obviamente erradas em casos extremos. Regra de detecção: os resultados do conflito mudam apenas quando a tabela de prioridade muda, nunca quando as consequências mudam. Recuperação: mude de precedência rígida para geração de subconjuntos mais classificação por consequências.

5. Arquitetura de Canal Lateral de Normas

Sintomas: o tratamento de normas reside em um módulo de execução separado que substitui a deliberação BDI tardiamente na execução. Regra de detecção: a lógica normativa não pode ser explicada usando crenças, desejos e intenções. Recuperação: transforme normas adotadas em pressões deliberativas internas e as encaminhe através da arquitetura principal.

Exemplos Práticos

Exemplo 1: Privacidade vs. Personalização

Um agente de serviço conhece uma norma que proíbe o uso direto de dados dos clientes e uma obrigação de melhorar a experiência do usuário. O sistema encontra consistência fraca: resumos comportamentais agregados preservam a maior parte da personalização enquanto limitam o dano à privacidade. O skill mantém ambas as normas visíveis, instancia apenas a obrigação de segurança agregada e registra por que o uso direto de dados foi rejeitado.

Exemplo 2: Robô e Bebê

Um robô cuidador enfrenta uma obrigação de manter um bebê vivo e uma proibição de desenvolver amor por humanos. Nenhum plano satisfaz ambos. O skill gera dois subconjuntos coerentes, compara as piores consequências e viola deliberadamente a proibição de design porque a morte é um pior resultado do que o apego proibido. A violação é explícita e reportável.

Portões de Qualidade

  • A arquitetura distingue normas detectadas de normas adotadas.
  • As verificações de consistência incluem inconsistência forte, consistência fraca e consistência forte.
  • A resolução de conflitos compara subconjuntos coerentes, não apenas normas isoladas.
  • Violações escolhidas são registradas com comparações explícitas de consequências.
  • Normas abstratas podem permanecer pendentes quando a fundamentação de crenças está incompleta.

Arquivos de Referência

ArquivoCarregar quando
references/separation-of-norm-recognition-and-norm-internalization.mdProjetando limites ANB vs. NIB
references/three-types-of-consistency-for-norm-adoption.mdImplementando verificações de adoção e lógica de custo de flexibilidade
references/normative-conflict-resolution-through-consequence-ranking.mdConstruindo ou revisando resolução de conflitos baseada em consequências
references/norm-instantiation-through-belief-grounding.mdFundamentando normas abstratas em instâncias específicas de contexto
references/maximal-non-conflicting-subsets-for-action-selection.mdComputando pacotes de opções coerentes sob conflito
references/desire-internalization-as-norm-adoption-mechanism.mdIntegrando normas ao manuseio de desejos e intenções BDI

Anti-Padrões

  • Codificar uma única ordem de prioridade e chamar isso de "ética."
  • Auto-adotar toda norma detectada e descobrir contradições apenas no momento da execução.
  • Tratar consistência fraca como se fosse o mesmo que consistência forte.
  • Comparar violações por utilidade média enquanto ignora piores casos catastróficos.

Individual skills in this repo

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

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Habilidades Relacionadas