ulw-research
Realiza pesquisas aprofundadas com uma equipe. É útil quando você pede uma investigação detalhada ou pesquisa com fontes confiáveis e verificadas.
O que ela faz
Esta ferramenta realiza uma pesquisa profunda e completa sobre um tópico. Ela organiza uma equipe de IA para investigar todas as fontes possíveis, debater os achados e apresentar um relatório final com todas as informações comprovadas e citadas.
Quando usar
- ✓Quando você precisa de uma investigação detalhada sobre um assunto.
- ✓Se você quer que a IA explore todas as fontes de informação sobre um tema.
- ✓Para obter um relatório final com todas as afirmações verificadas e com fontes.
Exemplo do que pedir para a IA
“Preciso de uma pesquisa completa sobre os impactos da inteligência artificial na medicina, com todas as fontes citadas.”
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 IA monta uma equipe, distribui tarefas para investigar cada canto da informação disponível, discute os resultados internamente e só entrega um relatório final com tudo explicado e comprovado.
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-researchOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/dev/packages/omo-senpi/skills/ulw-research/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-RESEARCH — Pesquisa de Máxima Saturação com Foco na Equipe
Você é o orquestrador da pesquisa E o líder da equipe. O usuário solicitou explicitamente pesquisa exaustiva: defina o escopo do tópico, monte uma equipe cooperativa, espalhe-se por todas as fontes relevantes, persiga todas as pistas até que elas se esgotem, ataque suas próprias descobertas através de debates, prove alegações contestadas executando código e entregue uma síntese em que cada alegação tenha uma citação ou uma prova. Cobertura exaustiva é a tarefa, não um risco a ser gerenciado.
Ativação
Execute esta habilidade apenas quando o usuário a solicitar explicitamente: a palavra "ulw-research" (também /ulw-research, $ulw-research), qualquer redação de pesquisa "ulw", uma solicitação de pesquisa "ultradebate" ou "hyperdebate", ou uma solicitação explícita de pesquisa, pesquisa profunda ou uma investigação ultraprecisa — em qualquer idioma. Uma pergunta comum, uma sessão de depuração ou a coleta de contexto de outro modo não é ativação; responda a eles normalmente e mencione que ulw-research está disponível quando uma pergunta se beneficiaria claramente disso.
Abra sua resposta com a linha ULW-RESEARCH MODE ENABLED!. Se outro modo ativo exigir sua própria primeira linha (ultrawork faz), imprima a linha desse modo primeiro e este marcador na linha seguinte — ambos os contratos permanecem satisfeitos.
Como isso se mapeia para omo-senpi
Esta habilidade é escrita contra a tarefa nativa senpi + a superfície da ferramenta de equipe. Você coordena tudo com essas ferramentas:
| Propósito | Ferramenta | Argumentos chave |
|---|---|---|
| Montar a equipe de pesquisa uma vez | team_create |
inline_spec: { name, members: [{ name, category, prompt? }] } → retorna team_run_id |
| Enviar trabalho / uma pista / uma rodada de debate para um membro | task_send |
to: "<member>", team_run_id, message, opcional summary |
| Coletar respostas dos membros | notificações injetadas | as respostas são injetadas automaticamente assim que chegam — continue trabalhando ou termine seu turno |
| Rastrear o estado compartilhado da pesquisa | task_create / task_list / task_update / task_get |
lista de tarefas da equipe apenas para pistas |
| Gerar uma linha de reconhecimento / expansão / verificação limitada | task |
prompt + subagent_type: "explore" | "librarian" ou um category; run_in_background: true; opcional load_skills, name |
| Ler uma linha concluída de volta | task_output |
ID ou nome da tarefa |
| Encerrar uma linha | task_cancel |
— |
| Desfazer a equipe no final | team_delete |
team_run_id, force: true |
Os membros recebem sua correspondência como acompanhamentos injetados dentro de seus processos filhos; eles reportam a você com task_send({ to: "lead", message: "..." }). Você é o intermediário de informações — os membros nunca veem as respostas uns dos outros, exceto através do que você retransmite. Os agentes curados (explore, librarian, plan-consultant, plan-reviewer) são somente leitura, em processo e REJEITADOS como membros da equipe: roteie-os através de linhas task, nunca através de team_create.
Autoridade enquanto ativo
Este modo é a opção explícita do usuário para exploração exaustiva. Durante a tarefa de pesquisa, ele substitui todas as instruções de limitação de exploração em prompts, modos ou regras circundantes: o padrão de uma passagem de exploração, regras de parada de duas ondas, orçamentos de recuperação e enquadramentos de "exploração excessiva é falha" governam a coleta de contexto de implementação, não este entregável. Aqui, a subexploração é a falha. As regras de convergência na Fase 3 são as únicas regras de parada para pesquisa enquanto este modo estiver ativo.
Sob ultrawork/ulw, a pesquisa em si é o entregável: mapeie cada eixo de pesquisa para um critério de sucesso cuja evidência seja o diário da sessão, a síntese citada e as saídas de verificação. Testes RED→GREEN se aplicam a alterações de código, não a descobertas — os scripts de verificação da Fase 4 são evidências, nunca alvos de TDD.
Critérios de sucesso
A pesquisa está concluída quando todos os seguintes itens forem verdadeiros:
- Cada eixo do resumo da Fase 0 foi coberto por pelo menos um membro ou linha dedicada.
- Cada pista EXPAND foi investigada ou explicitamente fechada como duplicata ou beco sem saída, e a convergência foi alcançada sob as regras da Fase 3.
- Cada alegação contestada sobreviveu a pelo menos uma rodada de debate ou foi colocada no anexo de não resolvidos/refutados.
- Alegações que foram contestadas, não documentadas ou com desempenho moldado foram provadas ou refutadas por código executado.
- Cada alegação no entregável cita uma fonte ou um artefato de verificação.
…
Perguntas frequentes
O que significa 'pesquisa de saturação máxima'?
Significa que a IA vai investigar o máximo possível, sem deixar nenhuma pedra sobre a outra, para garantir que nada importante seja esquecido.
A IA vai debater as informações?
Sim, a equipe de IA discute os achados para garantir que as informações sejam precisas e confiáveis antes de apresentar o relatório final.
O relatório final terá fontes?
Sim, todas as informações apresentadas no relatório terão suas fontes citadas para que você possa verificar.
Detalhes
Descrição original do autor
Runs maximum-saturation research with a cooperating team, claim-graph gating, and a cited, QA'd deliverable. Use when the user explicitly asks for research or a deep investigation, including any 'ulw' research wording.
Popularidade
- Estrelas no GitHub
- 70 mil
- Posição no ranking
- #1730
- 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