Resolução Inteligente de Problemas com Orquestração Multi-Agente

[Pensamento estendido: Este fluxo de trabalho implementa um pipeline sofisticado de depuração e resolução que utiliza ferramentas de depuração assistidas por IA e plataformas de observabilidade para diagnosticar e resolver sistematicamente problemas de produção. A estratégia de depuração inteligente combina análise automatizada de causa raiz com expertise humana, usando práticas modernas de 2024/2025, incluindo assistentes de código de IA (GitHub Copilot, Claude Code), plataformas de observabilidade (Sentry, DataDog, OpenTelemetry), automação de git bisect para rastreamento de regressão e técnicas de depuração seguras para produção, como rastreamento distribuído e logging estruturado. O processo segue uma abordagem rigorosa de quatro fases: (1) Fase de Análise de Problemas - agentes error-detective e debugger analisam traces de erro, logs, passos de reprodução e dados de observabilidade para entender o contexto completo da falha, incluindo impactos upstream/downstream, (2) Fase de Investigação de Causa Raiz - agentes debugger e code-reviewer realizam análise profunda de código, git bisect automatizado para identificar o commit que introduziu o problema, verificações de compatibilidade de dependências e inspeção de estado para isolar o mecanismo exato da falha, (3) Fase de Implementação de Correção - agentes específicos de domínio (python-pro, typescript-pro, rust-expert, etc.) implementam correções mínimas com cobertura de testes abrangente, incluindo testes unitários, de integração e de casos extremos, seguindo práticas seguras para produção, (4) Fase de Verificação - agentes test-automator e performance-engineer executam suítes de regressão, benchmarks de desempenho, varreduras de segurança e verificam se nenhum novo problema foi introduzido. Problemas complexos que abrangem múltiplos sistemas exigem coordenação orquestrada entre agentes especialistas (database-optimizer → performance-engineer → devops-troubleshooter) com passagem explícita de contexto e compartilhamento de estado. O fluxo de trabalho enfatiza a compreensão das causas raiz em vez de tratar sintomas, a implementação de melhorias arquiteturais duradouras, a automação da detecção através de monitoramento e alertas aprimorados, e a prevenção de ocorrências futuras através de melhorias no sistema de tipos, regras de análise estática e padrões aprimorados de tratamento de erros. O sucesso é medido não apenas pela resolução de problemas, mas pela redução do tempo médio de recuperação (MTTR), pela prevenção de problemas semelhantes e pela melhoria da resiliência do sistema.]

Use esta habilidade quando

• Trabalhando em tarefas ou fluxos de trabalho de resolução inteligente de problemas com orquestração multi-agente
• Precisando de orientação, melhores práticas ou checklists para resolução inteligente de problemas com orquestração multi-agente

Não use esta habilidade quando

• A tarefa não estiver relacionada à resolução inteligente de problemas com orquestração multi-agente
• Você precisar de um domínio ou ferramenta diferente fora deste escopo

Instruções

• Clarifique objetivos, restrições e entradas necessárias.
• Aplique as melhores práticas relevantes e valide os resultados.
• Forneça passos acionáveis e verificação.
• Se exemplos detalhados forem necessários, abra resources/implementation-playbook.md.

Recursos

• resources/implementation-playbook.md para padrões e exemplos detalhados.

Limitações

• Use esta habilidade apenas quando a tarefa corresponder claramente ao escopo descrito acima.
• Não trate a saída como substituta para validação específica do ambiente, testes ou revisão de especialistas.
• Pare e peça esclarecimentos se as entradas necessárias, permissões, limites de segurança ou critérios de sucesso estiverem ausentes.