agent-skill-stack
Ajuda seu agente a encontrar e montar as melhores habilidades para um objetivo. Ele avalia e seleciona as ferramentas de IA mais adequadas.
O que ela faz
Esta ferramenta ajuda a encontrar e organizar as ferramentas de IA (chamadas 'Skills') necessárias para completar uma tarefa complexa. Ela seleciona o conjunto mínimo de ferramentas compatíveis para que você não precise se preocupar em escolher as ferramentas certas.
Quando usar
- ✓Quando você tem um projeto com várias etapas e precisa de ajuda para escolher as ferramentas certas.
- ✓Quando você quer saber quais ferramentas já estão instaladas e se elas funcionam bem juntas.
- ✓Quando você precisa de ferramentas extras para ajudar em tarefas como melhorar a escrita ou garantir conformidade.
Exemplo do que pedir para a IA
“Preciso criar um plano de marketing completo, quais ferramentas de IA você recomenda e como elas funcionam juntas?”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta analisa o que você quer fazer e busca as 'Skills' mais adequadas. Ela prioriza as ferramentas essenciais e sugere outras que podem ajudar, explicando de forma simples o que cada uma faz e se são seguras para usar.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add github/awesome-copilot --skill agent-skill-stackOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/agent-skill-stack/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Construa uma Pilha de Habilidades de Agente
Construa a menor pilha útil para o resultado real do usuário. Nunca force um exemplo de domínio ou um ciclo de vida fixo em uma solicitação diferente.
1. Escolha a profundidade voltada para o usuário
Use o modo de linguagem clara por padrão. Presuma que o usuário não precisa entender caminhos, revisões, hashes, manifestos, análise estática ou detalhes de tempo de execução.
No modo de linguagem clara, mostre:
- o que o usuário está tentando realizar;
- os passos em linguagem cotidiana;
- quais capacidades já estão disponíveis;
- quais Habilidades são recomendadas, opcionais, sobrepostas ou inadequadas;
- quão amplamente cada candidato é usado;
- se passou em uma verificação de segurança de instalação e em um teste seguro;
- qual acesso à conta ou ações externas podem ser necessários.
Mantenha caminhos de origem, revisões, impressões digitais de arquivos, pontuações brutas, evidências de auditoria e detalhes de dependência no registro interno. Mostre-os apenas quando o usuário solicitar detalhes técnicos ou quando um fato técnico específico for necessário para consentimento informado.
2. Derive o fluxo de trabalho dinamicamente
Leia references/workflow-model.md. Comece com o resultado final que o usuário deseja, não com as palavras do domínio na solicitação.
Faça apenas perguntas cujas respostas mudem materialmente o resultado, o limite de acesso, o custo ou a pilha. Derive o fluxo de trabalho de trás para frente a partir do sucesso, e então valide-o de frente para trás a partir do ponto de partida disponível.
Não reutilize um fluxo numerado anterior. Não presuma que toda solicitação precisa de pesquisa, criação de conteúdo, publicação, análise, armazenamento ou automação. Adicione um passo apenas quando o resultado do usuário o exigir.
Pare de decompor quando um passo tiver uma ação compreensível, um resultado principal, um limite de acesso e uma condição de sucesso observável. Mantenha as cartas de capacidade técnica internas; mostre ao usuário um fluxo curto em linguagem clara.
3. Pesquise primeiro no índice local
Leia references/local-index-and-profiles.md.
Se um índice de Habilidades local atual existir, pesquise-o antes do sistema de arquivos ou da internet. Se estiver ausente ou desatualizado, reconstrua-o a partir das raízes de Habilidade relevantes:
python3 scripts/skill_index.py build \
--root ~/.codex/skills \
--root ~/.codex/plugins/cache \
--root .codex/skills \
--root ~/.agents/skills \
--root ~/.hermes/skills \
--output ~/.codex/skill-index.json
O índice armazena nomes, resumos, aliases, escopo, termos de capacidade, hora de atualização e impressões digitais de arquivos internos. Ele nunca executa uma Habilidade e não armazena histórico de uso.
Se o projeto atual tiver .codex/skill-stack.json, trate suas Habilidades ativas e regras de roteamento como a pilha de primeira escolha. Pesquise fora do perfil apenas para uma capacidade não coberta ou quando o usuário solicitar alternativas. Trate entradas com o mesmo nome de diferentes raízes locais como um item de revisão; não as mescle silenciosamente.
4. Mapeie capacidades, incluindo auxiliares indiretos
Para cada passo necessário, registre internamente:
- entrada, ação e saída necessárias;
- restrições, frequência e escala;
- limite de acesso local/externo de leitura/externo de escrita;
- necessidades de conta, permissão e aprovação;
- condição de sucesso e fallback;
- passos predecessores e sucessores.
Em seguida, considere necessidades transversais apenas onde relevante: qualidade/estilo, precisão, conformidade, privacidade, localização, qualidade de dados, orquestração e observabilidade.
Combine Habilidades por input -> operation -> output, não por similaridade de título. Isso permite que um Humanizador combine um requisito de escrita natural mesmo quando o domínio do usuário nunca aparece em seu nome.
Não force uma Habilidade por passo. Uma Habilidade pode cobrir vários passos; um passo pode precisar de uma ferramenta, MCP, conector ou capacidade de agente geral em vez de outra Habilidade.
5. Pesquise com quatro lentes
Leia references/discovery-ranking.md. Pesquise cada capacidade não coberta através de:
- Necessidade direta: o domínio e a ação do usuário.
- Operação subjacente: a transformação ou tarefa de dados real.
- Resultado de suporte: qualidade, segurança, estilo, conformidade, avaliação e monitoramento.
- Método de conexão: CLI, MCP, API, conector, automação de navegador, armazenamento e entrega.
Expanda aliases, verbos, substantivos, saídas e terminologia adjacente em chinês/inglês. Pesquise títulos, descrições, cabeçalhos e o conteúdo completo de SKILL.md quando possível.
Use várias fontes porque nenhum registro está completo:
- o índice local de Habilidades e o inventário instalado;
- conector GitHub ou pesquisa de arquivos/repositório GitHub;
npx skills find <query>e skills.sh;
…
Perguntas frequentes
O que são 'Skills'?
'Skills' são como aplicativos ou ferramentas que um agente de IA pode usar para realizar tarefas específicas. Pense nelas como habilidades que a IA pode aprender e aplicar.
Por que é importante ter o 'menor conjunto compatível'?
Usar o menor conjunto de ferramentas significa que você usa apenas o necessário, tornando o processo mais simples, rápido e eficiente, evitando confusão com ferramentas desnecessárias.
A ferramenta verifica a segurança das 'Skills'?
Sim, a ferramenta verifica se as 'Skills' são seguras para instalar e usar, e se elas precisam de acesso a contas ou informações suas.
Detalhes
Descrição original do autor
Find, evaluate, and assemble the smallest compatible set of AI Agent Skills for an end-to-end natural-language goal. Use when a user wants Skills for a multi-step workflow, asks which Skills fit a project, needs an installed-Skill audit or conflict check, has low Skill recall, wants indirect helpers such as humanizers or compliance checks, or wants a project-specific Skill Stack with controlled in
repo: github/awesome-copilot
Popularidade
- Estrelas no GitHub
- 40 mil
- Posição no ranking
- #4987
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
acquire-codebase-knowledge
Ajuda seu agente a entender e documentar um projeto de código existente. É útil para novas pessoas entrarem no projeto ou para ter uma visão geral da arquitetura.
github/awesome-copilot
acreadiness-assess
Faz seu agente avaliar a prontidão de um projeto para IA e gerar um relatório. É útil para entender o quão bem um projeto está preparado para usar ferramentas de IA.
github/awesome-copilot
acreadiness-generate-instructions
Ajuda seu agente a criar instruções para ferramentas de IA baseadas em uma avaliação. É útil para melhorar a forma como a IA interage com o código e fecha lacunas identificadas.
github/awesome-copilot
acreadiness-policy
Faz seu agente ajudar a definir ou aplicar políticas para avaliação de projetos de IA. É útil para padronizar a forma como os projetos são avaliados e garantir conformidade.
github/awesome-copilot
Skills parecidas
agent-architecture-audit
Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.
affaan-m/ECC
agent-eval
Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.
affaan-m/ECC
agent-harness-construction
Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.
affaan-m/ECC