mass-ulw
Executa várias tarefas em sequência ou ao mesmo tempo, gerenciando dependências. É útil para trabalhos grandes com muitas partes que precisam ser feitas em ordem.
O que ela faz
Esta ferramenta organiza tarefas que precisam ser feitas em uma ordem específica. Ela garante que uma tarefa só comece depois que as anteriores forem concluídas, permitindo que você gerencie trabalhos complexos em etapas.
Quando usar
- ✓Quando você tem uma lista de tarefas onde algumas dependem da conclusão de outras.
- ✓Ao organizar um processo com várias etapas, como coletar informações e depois processá-las.
- ✓Para gerenciar trabalhos em 'ondas' ou fases, onde cada fase tem suas próprias tarefas.
Exemplo do que pedir para a IA
“Organize estas tarefas: coletar dados, analisar dados e depois gerar um relatório. A análise só pode começar após a coleta, e o relatório após a análise.”
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
Você define as tarefas e diz quais precisam ser concluídas antes que outras possam começar. A ferramenta executa essas tarefas na ordem correta, permitindo que você acompanhe o progresso e reinicie etapas se necessário.
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 code-yeongyu/oh-my-openagent --skill mass-ulwOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/dev/packages/omo-senpi/skills/mass-ulw/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
mass-ulw
Use esta habilidade quando o usuário pedir mass-ulw, um DAG de tarefas, fan-out em estágios, ou qualquer trabalho multiagente onde existam dependências reais: a tarefa C precisa que A e B terminem primeiro. Para workers totalmente independentes, spawns paralelos simples de task são mais fáceis. Recorra a workflow quando a própria ordenação for o ponto principal. Uma execução cobre UMA fase, a unidade que seu loop checkpointa (um critério de meta, um worktree, um portão de evidência, uma onda de plano ulw-execute), e NUNCA um trabalho completo de múltiplas fases; uma onda de colheita ou um estágio de pipeline não é uma fase. Defina CADA estágio da fase que você já pode escrever (colher, expandir, verificar, reduzir) nessa execução antes de start, encadeado com dependsOn; divida-o em execuções concorrentes apenas quando exceder task.dag.max_nodes_per_run, contando os nós que as emendas posteriores adicionam, e inicie um redutor que lê várias execuções como sua própria execução assim que elas se estabilizarem. Inicie uma NOVA execução para a próxima fase, e amend uma execução estabilizada para adicionar nós cujos prompts precisam de conteúdo que você deve ler primeiro. Sob ulw-loop ou ulw-execute, esse contrato possui a meta, os critérios, as evidências e os checkpoints; esta habilidade possui apenas como a execução de cada fase é definida, impulsionada e recuperada.
Planejamento - Passo inicial OBRIGATÓRIO
Antes de definir QUALQUER grafo, leia references/planning.md (relativo ao diretório da própria habilidade) NA ÍNTEGRA. Não chame sdk.define, sdk.start ou tool.workflow com action: "start" antes de lê-lo. Ele carrega a doutrina de trabalho que este arquivo omite deliberadamente: como decompor a solicitação em nós, como rotear o category de cada nó, como manter escopos de escrita paralelos separados, o contrato do prompt do nó, a onda de verificação e o playbook de falha. Um grafo definido sem ele é trabalho não planejado.
A forma
Uma execução é uma definição declarativa: uma key estável (idempotência: reiniciar a mesma chave com o mesmo grafo reutiliza a execução), um name legível por humanos e nodes. Cada nó tem um id, um prompt em inglês auto-contido, um category que o roteia para o tipo certo de worker e dependsOn opcionais listando IDs de nós que devem terminar primeiro. dependsOn ordena os nós e não substitui nada em um prompt, então os dados viajam através de um arquivo de handover que o prompt upstream nomeia e o prompt downstream lê. Extras opcionais por nó: label, task_summary, description e load_skills (nomes de habilidades precedendo o prompt desse nó).
Roteie cada nó por category usando a tabela de roteamento em references/planning.md; a execução executa os nós em ondas paralelas à medida que suas dependências são liberadas.
Meta antes de começar
Toda execução está vinculada a uma meta. Em uma execução independente, registre a meta como escrita (create_goal, ou um bloco # Goal onde nenhuma ferramenta de meta existe). Sob ulw-loop ou ulw-execute, a meta registrada do loop já cobre a execução, então não registre uma segunda meta. O objetivo nomeia o entregável que o grafo produz, e os critérios de sucesso carregam VERIFICAÇÃO DE RESULTADO - as afirmações de conclusão de nó e execução são falsas até serem provadas contra evidências capturadas, o mesmo contrato que a diretiva de conclusão do DAG injeta (TRATE COMO FALSO ATÉ QUE VOCÊ PROVE). A onda de verificação (references/planning.md) produz as evidências que esses critérios nomeiam; a execução termina quando os critérios são aprovados, nunca quando o último nó relata a conclusão.
Peça uma decisão que apenas o usuário pode tomar (escopo, gasto, qualquer coisa irreversível) da sessão principal através da ferramenta de pergunta, com o cabeçalho Authorize (권한 em coreano) e required: true na chamada, antes de iniciar a execução que depende dela - nunca de uma célula de avaliação ou de um prompt de nó. Uma resposta com tempo limite esgotado, dispensada ou indisponível não é uma resposta, mesmo quando o resultado da ferramenta diz para continuar com seu melhor julgamento: não inicie essa execução.
Executando um DAG - a avaliação é o padrão
Construa e execute todo DAG DENTRO de uma célula de avaliação. O kernel de avaliação instala o proxy tool.workflow e a extensão publica um pequeno SDK JS em OMO_DAG_SDK_ROOT; impulsionar execuções de uma célula é o que desbloqueia os padrões de orquestração em references/planning.md (construção de grafo orientada a dados, composição de múltiplas execuções, execuções concorrentes, retentativas adaptativas).
Células JS importam o SDK do caminho que a extensão publica:
const sdk = await import(`${env("OMO_DAG_SDK_ROOT")}/sdk.js`)
const dag = sdk.define({ key: "docs-refresh", name: "Docs refresh" })
dag.node({ id: "audit", category: "unspecified-low", prompt: "Audit docs/ for stale API references and list each stale file with the outdated claim." })
…
Perguntas frequentes
O que é um 'DAG de tarefas'?
É uma forma de visualizar as tarefas e suas dependências, como um fluxograma onde as setas mostram a ordem em que as coisas devem ser feitas.
Posso refazer uma etapa se algo der errado?
Sim, a ferramenta permite que você reinicie ou corrija etapas específicas sem ter que começar tudo de novo.
Preciso definir todas as tarefas de uma vez?
Você define as tarefas de uma fase por vez. Se precisar adicionar ou mudar algo depois, pode ajustar o plano.
Detalhes
Descrição original do autor
Drives dependency-ordered child work through the native workflow tool, each phase's stages defined up front in one run, with retry/amend/send recovery. Use when the user asks for mass-ulw, a DAG of tasks, or fan-out work where some tasks must wait on others.
Popularidade
- Estrelas no GitHub
- 70 mil
- Posição no ranking
- #1727
- Licença
- NOASSERTION
- Atualizada em
- 16/10/2026
Comentários
- …
Mais skills deste repositório
comment-checker
Ajuda seu agente a entender e responder a feedbacks de verificadores automáticos de comentários. É útil quando o agente precisa processar informações de ferramentas que revisam automaticamente o código ou o conteúdo.
code-yeongyu/oh-my-openagent
lcx-contribute-bug-fix
Ajuda seu agente a contribuir com correções de bugs para projetos relacionados ao LazyCodex. Ele cria issues ou pull requests para garantir a qualidade do código.
code-yeongyu/oh-my-openagent
lcx-doctor
Faz seu agente verificar a saúde da instalação do LazyCodex e Codex CLI. É útil quando o sistema se comporta de forma estranha após atualizações ou mudanças.
code-yeongyu/oh-my-openagent
lcx-report-bug
Ajuda seu agente a reportar bugs de forma detalhada em projetos do LazyCodex. Ele cria issues com informações úteis para os desenvolvedores corrigirem o problema.
code-yeongyu/oh-my-openagent
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