ulw-loop
Faz seu agente executar tarefas de forma contínua e organizada. É útil para trabalhos longos que precisam ser salvos e retomados, garantindo progresso constante.
O que ela faz
Esta ferramenta ajuda a dividir grandes tarefas em passos menores e gerenciáveis. Ela garante que cada passo seja feito corretamente e que haja provas do trabalho realizado antes de passar para o próximo.
Quando usar
- ✓Quando você tem um projeto grande e não sabe por onde começar.
- ✓Quando você precisa garantir que o trabalho seja feito de forma organizada e com verificações.
- ✓Quando você quer acompanhar o progresso de um trabalho complexo em etapas.
Exemplo do que pedir para a IA
“Divida o projeto de criação de um site em etapas, com verificações em cada uma.”
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 primeiro define o objetivo principal e os critérios de sucesso. Depois, ela detalha cada passo necessário, exigindo que você prove que cada etapa foi concluída antes de avançar para a próxima.
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 ulw-loopOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/dev/packages/omo-codex/plugin/components/ulw-loop/skills/ulw-loop/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
ulw-loop
Use esta habilidade quando o usuário pedir ulw-loop, ulw, execução de meta durável, trabalho baseado em evidências, QA manual ou entrega de longa duração com checkpoints.
Esta habilidade é intencionalmente compacta. O fluxo de trabalho completo está em references/full-workflow.md. Leia apenas as seções necessárias para a fase atual e execute-as exatamente.
Primeiros Passos Necessários
- Abra
references/full-workflow.md. - Leia Bootstrap (incluindo sua triagem de nível), Execution Loop, a tabela Manual-QA channels e as Stop Rules antes de executar qualquer comando ULW ou registrar evidências.
- Abra
references/define-goal.mde registre a meta da execução por meio dele. A criação da meta NUNCA é pulada: defina o objetivo e todos os critérios de sucesso de acordo com essa referência antes de qualquer implementação. - Se a tarefa envolver edições de código, testes, QA ou trabalho de commit, siga as regras de delegação e evidência do fluxo de trabalho completo. Testes sozinhos nunca provam que algo está feito.
Não Negociáveis
- Use o estado da CLI ulw-loop em
.omo/ulw-loop; não edite manualmente o estado da meta. - Registre as metas antecipadamente, definidas por
references/define-goal.md(omo-agent-toolkit ulw-loop create-goals, depoiscreate_goalda entrega impressa), e espelhe cada passo atômico na lista de verificação ativaupdate_plan: um passo ultra-granular por ação, exatamente um em_progresso, transições marcadas no instante em que ocorrem. Use os recursos de Tarefa e as regras de "todo" da diretiva ultrawork; leia essas seções da habilidadeultraworkagrupada se estiverem ausentes do contexto. - Após qualquer compactação ou perda de contexto, releia primeiro o resumo + metas + ledger, mais
omo-agent-toolkit ulw-loop status --json, e então retome; nunca replane do zero. - Todo comando ulw-loop precisa do escopo da sessão: passe
--session-id <id>(a entrega impressa e a diretiva de retomada o carregam;CODEX_THREAD_IDno ambiente também o resolve). A CLI recusa estado sem escopo (ULW_LOOP_SESSION_SCOPE_REQUIRED) em vez de tocar na raiz compartilhada.omo/ulw-loop. - Se
omo-agent-toolkit ulw-loop create-goalsindicar que o agregado desta sessão já está completo, inicie um novo trabalho não relacionado com um novo--session-id <new-id>(passado em todas as chamadas posteriores) em vez de direcionar ou forçar o estado completo. Use--forceapenas para sobrescrever intencionalmente evidências completas. - Cada critério de sucesso precisa de evidências observáveis de uma superfície real: um canal (terminal/TUI via terminal web xterm.js, HTTP, navegador, uso de computador) ou, para critérios em formato de CLI ou dados, uma superfície auxiliar (saída padrão da CLI, diff de DB, dump de configuração analisado).
- Evidências são vinculadas à árvore em que foram capturadas (
git rev-parse --short "HEAD^{tree}"); elas se tornam obsoletas apenas quando o conteúdo rastreado muda — um rebase ou amend que mantém a árvore idêntica a mantém válida. Quando a árvore difere, reexecute no HEAD atual e regrave, nunca renomeie ou regenere. Grave apenas após existirem recibos de limpeza. - Delegue edições de código, escrita de testes, correções e execução de QA para subagentes Codex de tamanho adequado quando o fluxo de trabalho exigir.
- Cada mensagem
spawn_agentcomeça comTASK:, depois nomeiaDELIVERABLE,SCOPEeVERIFY; coloque instruções de função e especialidade dentro demessage; usefork_turns: "none"(v1:fork_context: false) a menos que o histórico completo seja realmente necessário. - Agentes de planejamento e revisão podem rodar por muito tempo; spawne-os em segundo plano e continue fazendo trabalho raiz independente. Entre as chamadas
wait_agent, recue — dobre o tempo limite até cerca de 5 minutos — em vez de girar ciclos curtos. - Para trabalho que provavelmente excederá um ciclo de espera, exija que o filho envie
WORKING: <task> - <current phase>antes de leituras longas, testes ou passes de revisão, eBLOCKED: <reason>apenas quando não puder progredir. - Rastreie os nomes dos agentes gerados localmente. Use
wait_agentpara sinais de caixa de correio, não prova de conclusão. Um tempo limite significa apenas que nenhuma nova atualização da caixa de correio chegou. Trate um filho em execução como vivo. - Enquanto os filhos estiverem rodando, exiba a contagem de subagentes ativos, nomes dos agentes e a última fase
WORKING:. - Faça fallback apenas quando o filho for concluído sem o entregável, ack-only após
followup_task, explicitamenteBLOCKED:, ou não estiver mais em execução. Em seguida, registre como inconclusivo e gere uma tarefafork_turns: "none"menor com o entregável ausente.
…
Perguntas frequentes
O que são 'provas' do trabalho?
São evidências concretas de que uma etapa foi concluída, como um trecho de código, um resultado de teste ou uma captura de tela.
Posso pular alguma etapa?
Não, a ferramenta exige que todas as etapas sejam seguidas e comprovadas para garantir a qualidade e a conclusão correta do objetivo.
O que acontece se eu não conseguir completar uma etapa?
A ferramenta permite que você registre o motivo do bloqueio e, se necessário, pode dividir a tarefa em partes ainda menores para facilitar a conclusão.
Detalhes
Descrição original do autor
A goal-like loop that decomposes work into systematic, evidence-bound ultrawork steps. Use when the user wants a goal loop or durable, checkpointed execution.
Popularidade
- Estrelas no GitHub
- 70 mil
- Posição no ranking
- #1722
- 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