Pular para o conteúdo
Skillpedia
Testes48 mil · #3487

logic-review

Acha erros de lógica em um arquivo ou função. Ele simula a execução para ver onde o código se desvia do esperado.

O que ela faz

Esta ferramenta ajuda a encontrar erros de lógica em um código (arquivo ou função). Ela faz isso analisando passo a passo como o código deveria funcionar e onde ele se desvia do esperado.

Quando usar

  • ✓Quando você acha que um código tem um erro, mas não sabe exatamente qual é.
  • ✓Ao revisar um código e querer ter certeza de que ele funciona como planejado.
  • ✓Para verificar se uma função específica em um programa está correta.

Exemplo do que pedir para a IA

“Revise este código e me diga se há algum erro de lógica.”

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/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/logic-review/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/logic-review/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A ferramenta examina as premissas (o que o código deve fazer), traça a execução (como ele realmente faz) e identifica onde o comportamento real se desvia do esperado. Em seguida, sugere uma correção.

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 sickn33/agentic-awesome-skills --skill logic-review

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/logic-review/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.

Disponibilidade de material de apoio

Este texto do catálogo contém as orientações embutidas abaixo, mas não inclui os seguintes caminhos de suporte. Eles são pré-requisitos externos, não arquivos incluídos:

  • <support-root>/scripts/grade-iteration.py

Obtenha o material necessário da fonte upstream declarada, ou de uma instalação fornecida pelo usuário dessa fonte. Resolva cada caminho em relação a essa instalação, inspecione seu conteúdo e verifique quaisquer licenças e pré-requisitos de execução aplicáveis. Não execute um comando nem afirme que um procedimento referenciado foi seguido até que seu arquivo necessário exista. Não fabrique os scripts ausentes nem trate um arquivo não relacionado com o mesmo nome como equivalente. Etapas independentes totalmente documentadas aqui podem prosseguir dentro do escopo autorizado do usuário; relate qualquer etapa dependente como indisponível.

Logic-Lens — Revisão de Lógica

Quando Usar

Use esta habilidade quando precisar encontrar bugs de lógica em um único arquivo ou função por meio de rastreamento de execução semi-formal (Premissas → Rastreamento → Divergência → Gatilho → Remédio). Use quando um usuário compartilhar código e suspeitar que algo está errado sem nomear uma falha concreta — frases como "revise isto", "isso parece certo",...

Contrato de Esqueleto de Saída

O avaliador downstream (scripts/grade-iteration.py) e outras habilidades do Logic-Lens consomem este relatório por correspondência de subcadeias de caracteres de tokens literais definidos em ../_shared/common.md §1 (mapa de cabeçalho), §2 (rótulos de campo obrigatórios + Pontuação de Lógica) e ../_shared/report-template.md (esqueleto). Parafrasear esses tokens — mesmo com um sinônimo que soa bem para um humano — quebra o contrato, independentemente da qualidade da análise.

Três modos de falha observados em benchmarks que merecem destaque específico além da regra geral:

  • Substituição de sinônimos para rótulos de campo cujas formas substituídas omitem a subcadeia necessária — substituindo Premises / 前提 por 前置条件构建 / 前置条件 (eval-201), ou Divergence / 偏差 por 根因 / 核心缺陷 / 结论 (eval-252). Cada substituição soa bem para um humano e pode até aparecer como um cabeçalho de seção ou coluna de tabela, mas a palavra substituída NÃO contém a subcadeia necessária, então o avaliador e os consumidores entre habilidades veem o documento como faltando o campo inteiramente. Use o token literal de common.md §1; você ainda pode adicionar uma subtítulo descritiva ao lado dele.
  • Rebaixar uma descoberta confirmada de código L para ### 附加观察(非 Finding) / ### Additional observation — se Premissas→Rastreamento→Divergência for verdadeiro, a descoberta pertence a ## Findings com os cinco campos literais, mesmo em severidade de Sugestão. Esta foi uma causa recorrente de falha do eval-279 (quicksort L4) em execuções do Sonnet.
  • Omitir o campo Divergence: / 偏差: inteiramente — o modo de falha mais frequente. Muitas saídas analisam corretamente o bug, mas escrevem a divergência como prosa, em uma célula de tabela ou sob cabeçalhos como 根因, 故障点, 核心问题, 缺陷. O campo Divergence: é o rótulo específico para "o ponto onde o comportamento real diverge da premissa". Ele NÃO é opcional e não tem sinônimo aceitável. Para descobertas sem bugs, use Divergence: None — [why the premise holds] (中文 偏差:无——[原因]).

Descoberta formatada corretamente — use como modelo:

### 🔴 Critical
**[L4] — Mutation during iteration skips elements**
Premises: `users` is `list[User]` passed by reference; `list.remove()` shifts subsequent elements left; the `for` iterator advances by index.
Trace: [1] index=0, user is inactive → `remove()` shifts list. [2] Iterator advances to index 1, which now holds the element originally at index 2 — the original index-1 element is skipped. Rebuttal check: PASSED — no defense found.
Divergence: `remove_inactive([inactive₁, inactive₂, active])` returns `[inactive₂, active]` (2 elements) instead of `[active]` (1 element) — the second inactive user is never visited.
Trigger: `remove_inactive([User(False), User(False), User(True)])` → expected 1, actual 2.
Remedy: Replace loop body with `return [u for u in users if u.is_active]`. Dry-run: ✅ divergence eliminated.

Cada bloco de descoberta DEVE conter todos os cinco rótulos literais (Premises: / Trace: / Divergence: / Trigger: / Remedy: ou 前提: / 追踪: / 偏差: / 触发: / 修复:) como prefixos de início de linha. Cabeçalhos de seção (### Premises, ## Execution Trace) NÃO satisfazem este requisito — os rótulos devem aparecer dentro do bloco de descoberta.

…

Perguntas frequentes

O que são 'Premises', 'Trace', 'Divergence', 'Trigger' e 'Remedy'?

São os passos da análise: Premissas (o que deveria acontecer), Rastreamento (o que acontece), Divergência (onde o real difere do esperado), Gatilho (um exemplo que mostra o erro) e Remédio (a correção).

O que acontece se não houver erro de lógica?

A ferramenta indicará que não encontrou erros, explicando por que o código está correto.

Preciso instalar algo extra?

Sim, a ferramenta pode precisar de alguns scripts adicionais que não vêm com ela. Você precisa obtê-los de uma fonte externa indicada.

Detalhes

Descrição original do autor

Find logic bugs in a single file or function via semi-formal execution tracing (Premises → Trace → Divergence → Trigger → Remedy).

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#3487
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas