Pular para o conteúdo
Skillpedia
Escrita40 mil · #5047

build-evidence-map

Ajuda seu agente a criar um registro de evidências para decisões importantes. Ele guarda informações que apoiam, contradizem ou qualificam uma escolha técnica.

O que ela faz

Cria um mapa detalhado que organiza informações sobre uma decisão técnica ou pesquisa. Ele mostra o que apoia uma ideia, o que a contradiz e o que ainda não se sabe, com links para as fontes exatas.

Quando usar

  • ✓Ao tomar uma decisão técnica importante.
  • ✓Ao revisar uma pesquisa complexa.
  • ✓Ao analisar propostas com pontos de vista conflitantes.

Exemplo do que pedir para a IA

“Crie um mapa de evidências para a decisão de usar Python ou Java para nosso novo projeto de backend, focando em escalabilidade e custo.”

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

https://github.com/github/awesome-copilot/blob/main/skills/build-evidence-map/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/github/awesome-copilot/blob/main/skills/build-evidence-map/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A IA organiza as informações coletadas de fontes confiáveis. Ela separa o que apoia a decisão (posição), o que vai contra (contradição) e o que falta saber (desconhecido), ligando tudo às fontes originais.

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 build-evidence-map

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/build-evidence-map/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Mapa de Evidências para Construção

Transforme uma questão controversa em um artefato de decisão portátil que mostra o que apoia a posição atual, o que a contraria e o que permanece desconhecido. Não use um gráfico para decorar uma resposta que não foi fundamentada.

Para uma afirmação factual simples ou uma solicitação geral de verificação de fatos, use um fluxo de trabalho de verificação como doublecheck em vez disso. Use esta habilidade quando as relações entre evidências, alegações intermediárias, compensações e fatos ausentes forem importantes.

Fluxo de Trabalho

  1. Formule uma decisão. Escreva uma pergunta falseável e uma posição provisória. Refine a pergunta até que um leitor possa identificar qual ação ou crença o mapa está testando.

  2. Colete regiões de origem delimitadas. Prefira observações diretas e fontes primárias. Registre a URL ou o caminho absoluto local, editor, data de publicação, data de recuperação, localizador de seção/página/linha/timestamp e um pequeno trecho verificável. Leia references/evidence-ladder.md quando a qualidade da fonte for disputada.

  3. Atomize o raciocínio. Crie apenas quatro tipos de nós:

    • position: o veredito atual único;
    • claim: uma proposição intermediária;
    • evidence: uma declaração fiel de uma região de origem;
    • unknown: um fato específico ausente que poderia mudar o veredito.
  4. Type cada aresta. Use supports, contradicts, qualifies ou missing. Adicione uma nota em linguagem clara explicando por que o nó de origem se relaciona com o nó de destino. Similaridade temática não é suporte. Diferentes escopos, datas ou populações não são automaticamente uma contradição.

  5. Preserve contraevidências. Não exclua evidências contrárias porque o veredito provisório as sobrevive. Represente diferenças de escopo com arestas qualifies.

  6. Expresse incerteza estruturalmente. Não invente porcentagens de confiança. Adicione um unknown, refine a posição ou qualifique uma alegação.

  7. Escreva JSON UTF-8 com o sufixo .doubt.json. Siga references/map-schema.md. Mantenha os IDs curtos, estáveis e semânticos.

  8. Valide fail-closed. Resolva scripts/validate.mjs em relação a este SKILL.md, então execute-o com Node.js 18 ou mais recente:

    node <skill-directory>/scripts/validate.mjs decision.doubt.json
    

    O validador empacotado usa apenas recursos nativos do Node.js e não requer npm ou acesso à rede. Corrija todas as descobertas antes de relatar sucesso. Diga que o mapa é válido apenas quando o comando sair 0 e imprimir VALID seguido por um recibo de 64 caracteres. Um hash de arquivo, contagem de nós, análise JSON ou revisão manual de esquema não é um recibo de Dúvida. Se a validação determinística não puder ser executada, relate esse bloqueio em vez de inventar sucesso.

    Renderize o mapa validado apenas quando o usuário já tiver instalado doubt-ai@0.8.0; não instale ou execute um pacote remoto implicitamente:

    doubt map decision.doubt.json --out decision.html
    
  9. Verifique snapshots de origem apenas com permissão explícita de rede. O comando a seguir recupera cada origem HTTP(S) registrada e falha fechado se um trecho não puder ser correspondido:

    doubt verify decision.doubt.json \
     --out decision.verified.doubt.json
    

    Nunca execute este comando implicitamente. A verificação de arquivo local não usa a rede. Não escreva um objeto verification manualmente nem oculte uma incompatibilidade.

  10. Inspecione o entregável. Confirme que a pergunta, o veredito, as contraevidências, os desconhecidos, as notas das arestas e as regiões exatas das fontes permanecem legíveis. Trate o JSON como o artefato editável canônico; o HTML é uma visualização compartilhável.

Portões de Qualidade

Um mapa finalizado deve satisfazer todos estes:

  • exatamente um position tem raciocínio de entrada;
  • cada nó de evidência nomeia uma fonte e participa de uma aresta;
  • cada fonte é usada e tem datas, um localizador delimitado e um trecho substantivo;
  • cada nó não-posição tem um caminho direcionado para a posição;
  • o grafo de raciocínio não tem arestas duplicadas ou ciclos direcionados;
  • evidências contrárias ou qualificadoras estão presentes quando o conjunto de fontes as contém;
  • cada lacuna que muda a decisão é um nó unknown explícito;
  • cada nota de aresta explica suporte, contradição, qualificação ou ausência;
  • o veredito não é mais amplo do que a evidência.

Entregue o Resultado

Relate:

  • a posição atual em uma frase;
  • a contraevidência ou qualificação mais forte;
  • o desconhecido mais importante não resolvido;
  • caminhos para o JSON canônico e qualquer HTML renderizado;

…

Perguntas frequentes

Qual a diferença entre esta ferramenta e uma simples pesquisa na internet?

Esta ferramenta organiza e estrutura as evidências de forma a mostrar claramente os pontos de concordância, discordância e as lacunas de informação, com fontes exatas, em vez de apenas apresentar um texto corrido.

O que são 'bounded source regions'?

São partes específicas de um documento ou site (como uma página, parágrafo ou trecho com timestamp) que contêm a informação usada, com detalhes como URL, data e autor, para que se possa verificar a origem.

O que significa 'fail-closed'?

Significa que a ferramenta só reporta sucesso se todas as verificações forem concluídas com sucesso e sem erros. Se algo falhar, ela não prossegue e indica o problema.

Detalhes

Descrição original do autor

Build an auditable evidence map for a contested technical choice, research synthesis, proposal review, or consequential decision. Use when Copilot must preserve supporting, contradicting, qualifying, and missing evidence with exact source regions instead of collapsing disagreement into prose.

repo: github/awesome-copilot

Popularidade

Estrelas no GitHub
40 mil
Posição no ranking
#5047
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas