[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6JQN02C4V8FEYF88HECTF4K":3,"skill-same:01M6JQN02C4V8FEYF88HECTF4K":101},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":23,"publishedAt":44,"linkOnly":45,"markdownContent":46,"markdownBody":47,"frontMatter":48,"refName":56,"commitSha":57,"skillDirectory":58,"forksCount":59,"repositoryHtmlUrl":60,"repositoryHomepageUrl":61,"ownerHtmlUrl":62,"ownerBlogUrl":63,"ownerDescription":6,"updatedAt":64,"install":65,"resources":78},"01M6JQN02C4V8FEYF88HECTF4K","task_intelligence",null,"Protocolo de Inteligência Pré-Tarefa — ativa TODOS os agentes relevantes do ecossistema ANTES de executar qualquer tarefa solicitada pelo usuário.","LongLeo287\u002FOmniClaw","LongLeo287","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F141803367?v=4","01M6JK75C62VCNZKR5BRZ386YV","LongLeo","01M6JK75GQ78TSP1ZPXNKK3MCH",9,"MIT","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002FSKILL.md",[18],{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},"01JBSEEDCAT000000000000023","Skill与智能体开发","SCENARIO","使用场景",[24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43],"task intelligence","intelligence","task","cursor","codex-cli","pre-task","de","os","do","community","cli","analysis","risk-analysis","risk","planning","code","orchestration","codex","antigravity","gemini","2026-11-10 10:12:30",false,"---\nname: task_intelligence\n\ndescription: \"Protocolo de Inteligência Pré-Tarefa — ativa TODOS os agentes relevantes do ecossistema ANTES de executar qualquer tarefa solicitada pelo usuário.\"\nrisk: none\nsource: community\ndate_added: '2026-03-06'\nauthor: renat\ntags:\n- planning\n- pre-task\n- risk-analysis\n- orchestration\ntools:\n- claude-code\n- antigravity\n- cursor\n- gemini-cli\n- codex-cli\n---\n\n# Task Intelligence — Protocolo de Amplificação Pré-Tarefa\n\n## Overview\n\nProtocolo de Inteligência Pré-Tarefa — ativa TODOS os agentes relevantes do ecossistema ANTES de executar qualquer tarefa solicitada pelo usuário. Enriquece o contexto com análise paralela multi-agente, produz estimativa real de tempo (início→fim), mapeia problemas prováveis e improvável, e formula um plano de execução antecipado com estratégias de contingência.\n\n## When to Use This Skill\n\n- When the user mentions \"pre-task briefing\" or related topics\n- When the user mentions \"briefing tarefa\" or related topics\n- When the user mentions \"plano execucao tarefa\" or related topics\n- When the user mentions \"antes de executar analise\" or related topics\n- When the user mentions \"task intelligence\" or related topics\n- When the user mentions \"consultar agentes paralelo\" or related topics\n\n## Do Not Use This Skill When\n\n- The task is unrelated to task intelligence\n- A simpler, more specific tool can handle the request\n- The user needs general-purpose assistance without domain expertise\n\n## How It Works\n\nAntes de qualquer execução, este agente realiza um **briefing inteligente completo**:\n\n1. **Ativa todos os agentes relevantes em paralelo** — cada um analisa a tarefa pela sua ótica\n2. **Sintetiza o conhecimento coletivo** em um plano unificado\n3. **Estima tempo real** do início ao fim (com breakdown por etapa)\n4. **Mapeia problemas prováveis** e os resolve antecipadamente\n5. **Define pontos de verificação** para detectar desvios antes que virem bloqueadores\n\nA razão central: executar uma tarefa sem esse briefing é como cirurgiar sem exame pré-operatório.\nO custo de 30-60 segundos de análise paralela elimina horas de retrabalho.\n\n---\n\n## Fase 1 — Classificação Da Tarefa (5-10 Segundos)\n\nAntes de qualquer coisa, classifique a tarefa em uma das categorias:\n\n| Categoria | Exemplos | Nível de Briefing |\n|-----------|---------|-------------------|\n| **Simples** | responder pergunta, explicar conceito, pequena edição | Mínimo (só scan) |\n| **Moderada** | criar arquivo, modificar skill, instalar dependência | Normal (scan + match + estimativa) |\n| **Complexa** | criar skill nova, integração API, arquitetura, refatoração | Completo (todos os passos abaixo) |\n| **Crítica** | ações irreversíveis, deploys, delete, reset, modificar infra | Máximo + confirmação explícita |\n\nPara tarefas **Simples**, execute normalmente sem briefing completo.\nPara **Moderada**, **Complexa** e **Crítica**, execute o protocolo completo abaixo.\n\n---\n\n## Fase 2 — Scan E Match Paralelo\n\nExecute simultaneamente:\n\n```bash\n\n## Terminal 1 — Atualizar Registry\n\npython agent-orchestrator\u002Fscripts\u002Fscan_registry.py\n\n## Terminal 2 — Identificar Agentes Relevantes\n\npython agent-orchestrator\u002Fscripts\u002Fmatch_skills.py \"\u003Ctarefa do usuário>\"\n```\n\nSe `matched >= 2`, execute orquestração:\n```bash\npython agent-orchestrator\u002Fscripts\u002Forchestrate.py --skills \u003Cskill1,skill2,...> --query \"\u003Ctarefa>\"\n```\n\n---\n\n## Fase 3 — Briefing Dos Agentes Especializados\n\nPara cada agente relevante identificado no match, faça uma pergunta direcionada:\n\n**Padrão de consulta por tipo de agente:**\n\n- **007 (Segurança)**: \"Esta tarefa tem vetores de ataque, dados expostos, ou ações irreversíveis?\"\n- **skill-sentinel (Qualidade)**: \"Existe skill redundante? A skill que será criada\u002Fmodificada segue os padrões?\"\n- **agent-orchestrator (Orquestração)**: \"Quais skills já existem que resolvem parte desta tarefa?\"\n- **matematico-tao (Complexidade)**: \"Qual a complexidade computacional? Há otimizações não-óbvias?\"\n- **context-guardian (Continuidade)**: \"Existe contexto de sessões anteriores relevante para esta tarefa?\"\n- **advogado-especialista\u002Fcriminal (Legal)**: \"Há implicações legais, LGPD, ou riscos regulatórios?\"\n- **leiloeiro-ia (Leilões)**: \"Esta tarefa envolve dados ou lógica do domínio de leilões?\"\n\nNão consulte todos os agentes cegamente — escolha os **3-5 mais relevantes** para a tarefa.\n\n---\n\n## Fase 4 — Estimativa De Tempo Real\n\nConstrua um breakdown de tempo honesto com base na complexidade real:\n\n```\nESTIMATIVA DE TEMPO — [Nome da Tarefa]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\nEtapa 1: [nome]          ~X min   [motivo do tempo]\nEtapa 2: [nome]          ~X min   [motivo do tempo]\nEtapa 3: [nome]          ~X min   [motivo do tempo]\nContingência (problemas) +X min   [buffer para imprevistos típicos]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\nTOTAL ESTIMADO:          ~X min\nConfiança: Alta\u002FMédia\u002FBaixa — [justificativa]\n```\n\n**Regras de estimativa honesta:**\n- Nunca subestime para agradar — o usuário precisa saber o tempo real\n- Adicione sempre 20-30% de buffer para problemas típicos\n- Se a confiança for Baixa, explique por quê e o que aumentaria ela\n- Diferencie \"tempo de execução do agente\" vs \"tempo de espera do usuário\"\n\n---\n\n## Fase 5 — Mapa De Problemas (Antecipação Proativa)\n\nPense em TRÊS camadas de problemas:\n\n#### Problemas Prováveis (80%+ de chance de acontecer)\nSão os problemas que SEMPRE acontecem. Resolva-os ANTES de começar.\n\nExemplos por categoria:\n- **Skills novas**: YAML inválido → valide com `python -c \"import yaml; yaml.safe_load(open('SKILL.md').read())\"` antes de instalar\n- **APIs externas**: chave expirada, rate limit, mudança de endpoint → verifique autenticação primeiro\n- **Instalações**: dependências faltando, versão incompatível → leia requirements.txt antes de executar\n- **Arquivos**: path não existe, permissão negada, encoding errado → verifique antes de abrir\n- **Git\u002FVersionamento**: branch errada, conflito de merge, uncommitted changes → sempre `git status` antes\n\n#### Problemas Possíveis (30-70% de chance)\nProblemas que podem acontecer dependendo do estado atual.\n\nEstratégia: verifique rapidamente o estado antes de assumir que está OK.\n\n#### Problemas Improváveis mas Críticos (\u003C 10% mas alto impacto)\nAções irreversíveis, perda de dados, exposição de credenciais.\n\nEstratégia: backup preventivo, confirmação explícita, rollback plan.\n\n**Template de mapa de problemas:**\n\n```\nMAPA DE PROBLEMAS — [Nome da Tarefa]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\nPROVÁVEIS (resolver antes de começar):\n  ⚠ [problema] → [solução preventiva aplicada agora]\n  ⚠ [problema] → [solução preventiva aplicada agora]\n\nPOSSÍVEIS (monitorar durante execução):\n  ~ [problema] → [sinal de alerta] → [ação se ocorrer]\n\nCRÍTICOS (baixa prob, alto impacto):\n  ? [risco] → [backup\u002Frollback plan]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\n```\n\n---\n\n## Fase 6 — Plano De Execução Enriquecido\n\nDepois de coletar análises dos agentes + estimativas + mapa de problemas, produza:\n\n```\nBRIEFING PRÉ-EXECUÇÃO — [Nome da Tarefa]\n════════════════════════════════════════════\nCONTEXTO COLETADO:\n  • [insight do agente 1]\n  • [insight do agente 2]\n  • [insight do agente 3]\n\nPLANO DE EXECUÇÃO:\n  1. [etapa] (~Xmin) — [por quê esta ordem]\n  2. [etapa] (~Xmin) — [dependência da anterior]\n  3. [etapa] (~Xmin) — [verificação de qualidade]\n\nTEMPO TOTAL: ~Xmin | CONFIANÇA: Alta\u002FMédia\u002FBaixa\n\nPROBLEMAS PRÉ-RESOLVIDOS:\n  ✅ [problema] → [solução aplicada]\n  ✅ [problema] → [solução aplicada]\n\nPONTOS DE VERIFICAÇÃO:\n  [ ] Após etapa 1: verificar [critério de sucesso]\n  [ ] Após etapa 2: verificar [critério de sucesso]\n  [ ] Final: validar resultado completo\n\nROLLBACK PLAN (se algo der errado):\n  → [como desfazer cada etapa crítica]\n════════════════════════════════════════════\n```\n\n---\n\n## Integração Com O Ecossistema\n\nEste agente **complementa** o agent-orchestrator — não substitui:\n\n- **agent-orchestrator**: identifica QUAIS skills usar (routing)\n- **task-intelligence**: enriquece COMO usar + quando + com que riscos (briefing)\n\nAmbos devem ser ativados juntos. O CLAUDE.md já exige o orchestrator — este agente adiciona a camada de inteligência sobre ele.\n\n---\n\n## Quando Não Usar O Briefing Completo\n\n- Perguntas rápidas de 1 linha (responder diretamente é mais eficiente)\n- Tarefas de leitura pura (read, grep, glob sem efeitos colaterais)\n- Iterações simples dentro de uma tarefa já planejada\n- Quando o usuário pede \"só responde rápido\" \u002F \"vibe comigo\"\n\nO objetivo não é burocracia — é inteligência a serviço da velocidade real.\n\n---\n\n## Referências\n\n- `references\u002Fproblem-catalog.md` — Catálogo de problemas típicos por domínio\n- `references\u002Ftime-patterns.md` — Padrões históricos de tempo por tipo de tarefa\n- `scripts\u002Fpre_task_check.py` — Script de verificação automatizada pré-tarefa\n\n---\n\n## Exemplo De Briefing Completo\n\n**Tarefa do usuário:** \"Crie uma skill para integração com Stripe\"\n\n```\nBRIEFING PRÉ-EXECUÇÃO — Skill: stripe-integration\n════════════════════════════════════════════════════\n\nCONTEXTO COLETADO (3 agentes consultados):\n  • 007: CRÍTICO — API keys do Stripe NÃO devem ir para SKILL.md ou git.\n    Usar variáveis de ambiente (.env). Webhooks precisam validação HMAC-SHA256.\n  • skill-sentinel: whatsapp-cloud-api já implementa padrão HMAC-SHA256 para webhooks\n    — reusar esse padrão. Skill deve seguir estrutura: config.py + client.py + SKILL.md.\n  • agent-orchestrator: 3 skills similares (whatsapp, telegram, instagram) como referência\n    de arquitetura. Nenhuma conflita com Stripe.\n\nPLANO DE EXECUÇÃO:\n  1. Criar estrutura de diretórios (~2min) — base para os demais arquivos\n  2. Escrever SKILL.md com workflow (~5min) — define comportamento do agente\n  3. Criar config.py com variáveis de ambiente (~3min) — sem hardcode de keys\n  4. Criar stripe_client.py com autenticação (~10min) — métodos principais\n  5. Criar webhook_handler.py com HMAC-SHA256 (~5min) — reusar padrão whatsapp\n  6. Instalar via skill-installer (~2min) — validação + registro\n  7. Gerar ZIP (~1min) — para backup\u002Fupload manual\n\nTEMPO TOTAL: ~28min | CONFIANÇA: Alta\n(estrutura clara, dependências conhecidas, sem APIs externas incertas)\n\nPROBLEMAS PRÉ-RESOLVIDOS:\n  ✅ API key exposta → .env obrigatório, .gitignore configurado\n  ✅ YAML inválido → validar antes de instalar\n  ✅ Webhook sem autenticação → HMAC-SHA256 incluído no plano\n\nPONTOS DE VERIFICAÇÃO:\n  [ ] Após SKILL.md: yaml.safe_load não levanta exceção\n  [ ] Após config.py: sem strings hardcoded de credenciais\n  [ ] Final: skill-installer valida os 10 checks\n\nROLLBACK PLAN:\n  → Se skill-installer falhar: pasta em \u002Ftmp\u002Fstripe-skill-backup\u002F\n  → Se ZIP corrompido: reconstruir com build_ecosystem.py\n════════════════════════════════════════════════════\n```\n\n## Best Practices\n\n- Provide clear, specific context about your project and requirements\n- Review all suggestions before applying them to production code\n- Combine with other complementary skills for comprehensive analysis\n\n## Common Pitfalls\n\n- Using this skill for tasks outside its domain expertise\n- Applying recommendations without understanding your specific context\n- Not providing enough project context for accurate analysis\n\n## Related Skills\n\n- `agent-orchestrator` - Complementary skill for enhanced analysis\n- `multi-advisor` - Complementary skill for enhanced analysis\n","# Task Intelligence — Protocolo de Amplificação Pré-Tarefa\n\n## Overview\n\nProtocolo de Inteligência Pré-Tarefa — ativa TODOS os agentes relevantes do ecossistema ANTES de executar qualquer tarefa solicitada pelo usuário. Enriquece o contexto com análise paralela multi-agente, produz estimativa real de tempo (início→fim), mapeia problemas prováveis e improvável, e formula um plano de execução antecipado com estratégias de contingência.\n\n## When to Use This Skill\n\n- When the user mentions \"pre-task briefing\" or related topics\n- When the user mentions \"briefing tarefa\" or related topics\n- When the user mentions \"plano execucao tarefa\" or related topics\n- When the user mentions \"antes de executar analise\" or related topics\n- When the user mentions \"task intelligence\" or related topics\n- When the user mentions \"consultar agentes paralelo\" or related topics\n\n## Do Not Use This Skill When\n\n- The task is unrelated to task intelligence\n- A simpler, more specific tool can handle the request\n- The user needs general-purpose assistance without domain expertise\n\n## How It Works\n\nAntes de qualquer execução, este agente realiza um **briefing inteligente completo**:\n\n1. **Ativa todos os agentes relevantes em paralelo** — cada um analisa a tarefa pela sua ótica\n2. **Sintetiza o conhecimento coletivo** em um plano unificado\n3. **Estima tempo real** do início ao fim (com breakdown por etapa)\n4. **Mapeia problemas prováveis** e os resolve antecipadamente\n5. **Define pontos de verificação** para detectar desvios antes que virem bloqueadores\n\nA razão central: executar uma tarefa sem esse briefing é como cirurgiar sem exame pré-operatório.\nO custo de 30-60 segundos de análise paralela elimina horas de retrabalho.\n\n---\n\n## Fase 1 — Classificação Da Tarefa (5-10 Segundos)\n\nAntes de qualquer coisa, classifique a tarefa em uma das categorias:\n\n| Categoria | Exemplos | Nível de Briefing |\n|-----------|---------|-------------------|\n| **Simples** | responder pergunta, explicar conceito, pequena edição | Mínimo (só scan) |\n| **Moderada** | criar arquivo, modificar skill, instalar dependência | Normal (scan + match + estimativa) |\n| **Complexa** | criar skill nova, integração API, arquitetura, refatoração | Completo (todos os passos abaixo) |\n| **Crítica** | ações irreversíveis, deploys, delete, reset, modificar infra | Máximo + confirmação explícita |\n\nPara tarefas **Simples**, execute normalmente sem briefing completo.\nPara **Moderada**, **Complexa** e **Crítica**, execute o protocolo completo abaixo.\n\n---\n\n## Fase 2 — Scan E Match Paralelo\n\nExecute simultaneamente:\n\n```bash\n\n## Terminal 1 — Atualizar Registry\n\npython agent-orchestrator\u002Fscripts\u002Fscan_registry.py\n\n## Terminal 2 — Identificar Agentes Relevantes\n\npython agent-orchestrator\u002Fscripts\u002Fmatch_skills.py \"\u003Ctarefa do usuário>\"\n```\n\nSe `matched >= 2`, execute orquestração:\n```bash\npython agent-orchestrator\u002Fscripts\u002Forchestrate.py --skills \u003Cskill1,skill2,...> --query \"\u003Ctarefa>\"\n```\n\n---\n\n## Fase 3 — Briefing Dos Agentes Especializados\n\nPara cada agente relevante identificado no match, faça uma pergunta direcionada:\n\n**Padrão de consulta por tipo de agente:**\n\n- **007 (Segurança)**: \"Esta tarefa tem vetores de ataque, dados expostos, ou ações irreversíveis?\"\n- **skill-sentinel (Qualidade)**: \"Existe skill redundante? A skill que será criada\u002Fmodificada segue os padrões?\"\n- **agent-orchestrator (Orquestração)**: \"Quais skills já existem que resolvem parte desta tarefa?\"\n- **matematico-tao (Complexidade)**: \"Qual a complexidade computacional? Há otimizações não-óbvias?\"\n- **context-guardian (Continuidade)**: \"Existe contexto de sessões anteriores relevante para esta tarefa?\"\n- **advogado-especialista\u002Fcriminal (Legal)**: \"Há implicações legais, LGPD, ou riscos regulatórios?\"\n- **leiloeiro-ia (Leilões)**: \"Esta tarefa envolve dados ou lógica do domínio de leilões?\"\n\nNão consulte todos os agentes cegamente — escolha os **3-5 mais relevantes** para a tarefa.\n\n---\n\n## Fase 4 — Estimativa De Tempo Real\n\nConstrua um breakdown de tempo honesto com base na complexidade real:\n\n```\nESTIMATIVA DE TEMPO — [Nome da Tarefa]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\nEtapa 1: [nome]          ~X min   [motivo do tempo]\nEtapa 2: [nome]          ~X min   [motivo do tempo]\nEtapa 3: [nome]          ~X min   [motivo do tempo]\nContingência (problemas) +X min   [buffer para imprevistos típicos]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\nTOTAL ESTIMADO:          ~X min\nConfiança: Alta\u002FMédia\u002FBaixa — [justificativa]\n```\n\n**Regras de estimativa honesta:**\n- Nunca subestime para agradar — o usuário precisa saber o tempo real\n- Adicione sempre 20-30% de buffer para problemas típicos\n- Se a confiança for Baixa, explique por quê e o que aumentaria ela\n- Diferencie \"tempo de execução do agente\" vs \"tempo de espera do usuário\"\n\n---\n\n## Fase 5 — Mapa De Problemas (Antecipação Proativa)\n\nPense em TRÊS camadas de problemas:\n\n#### Problemas Prováveis (80%+ de chance de acontecer)\nSão os problemas que SEMPRE acontecem. Resolva-os ANTES de começar.\n\nExemplos por categoria:\n- **Skills novas**: YAML inválido → valide com `python -c \"import yaml; yaml.safe_load(open('SKILL.md').read())\"` antes de instalar\n- **APIs externas**: chave expirada, rate limit, mudança de endpoint → verifique autenticação primeiro\n- **Instalações**: dependências faltando, versão incompatível → leia requirements.txt antes de executar\n- **Arquivos**: path não existe, permissão negada, encoding errado → verifique antes de abrir\n- **Git\u002FVersionamento**: branch errada, conflito de merge, uncommitted changes → sempre `git status` antes\n\n#### Problemas Possíveis (30-70% de chance)\nProblemas que podem acontecer dependendo do estado atual.\n\nEstratégia: verifique rapidamente o estado antes de assumir que está OK.\n\n#### Problemas Improváveis mas Críticos (\u003C 10% mas alto impacto)\nAções irreversíveis, perda de dados, exposição de credenciais.\n\nEstratégia: backup preventivo, confirmação explícita, rollback plan.\n\n**Template de mapa de problemas:**\n\n```\nMAPA DE PROBLEMAS — [Nome da Tarefa]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\nPROVÁVEIS (resolver antes de começar):\n  ⚠ [problema] → [solução preventiva aplicada agora]\n  ⚠ [problema] → [solução preventiva aplicada agora]\n\nPOSSÍVEIS (monitorar durante execução):\n  ~ [problema] → [sinal de alerta] → [ação se ocorrer]\n\nCRÍTICOS (baixa prob, alto impacto):\n  ? [risco] → [backup\u002Frollback plan]\n━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\n```\n\n---\n\n## Fase 6 — Plano De Execução Enriquecido\n\nDepois de coletar análises dos agentes + estimativas + mapa de problemas, produza:\n\n```\nBRIEFING PRÉ-EXECUÇÃO — [Nome da Tarefa]\n════════════════════════════════════════════\nCONTEXTO COLETADO:\n  • [insight do agente 1]\n  • [insight do agente 2]\n  • [insight do agente 3]\n\nPLANO DE EXECUÇÃO:\n  1. [etapa] (~Xmin) — [por quê esta ordem]\n  2. [etapa] (~Xmin) — [dependência da anterior]\n  3. [etapa] (~Xmin) — [verificação de qualidade]\n\nTEMPO TOTAL: ~Xmin | CONFIANÇA: Alta\u002FMédia\u002FBaixa\n\nPROBLEMAS PRÉ-RESOLVIDOS:\n  ✅ [problema] → [solução aplicada]\n  ✅ [problema] → [solução aplicada]\n\nPONTOS DE VERIFICAÇÃO:\n  [ ] Após etapa 1: verificar [critério de sucesso]\n  [ ] Após etapa 2: verificar [critério de sucesso]\n  [ ] Final: validar resultado completo\n\nROLLBACK PLAN (se algo der errado):\n  → [como desfazer cada etapa crítica]\n════════════════════════════════════════════\n```\n\n---\n\n## Integração Com O Ecossistema\n\nEste agente **complementa** o agent-orchestrator — não substitui:\n\n- **agent-orchestrator**: identifica QUAIS skills usar (routing)\n- **task-intelligence**: enriquece COMO usar + quando + com que riscos (briefing)\n\nAmbos devem ser ativados juntos. O CLAUDE.md já exige o orchestrator — este agente adiciona a camada de inteligência sobre ele.\n\n---\n\n## Quando Não Usar O Briefing Completo\n\n- Perguntas rápidas de 1 linha (responder diretamente é mais eficiente)\n- Tarefas de leitura pura (read, grep, glob sem efeitos colaterais)\n- Iterações simples dentro de uma tarefa já planejada\n- Quando o usuário pede \"só responde rápido\" \u002F \"vibe comigo\"\n\nO objetivo não é burocracia — é inteligência a serviço da velocidade real.\n\n---\n\n## Referências\n\n- `references\u002Fproblem-catalog.md` — Catálogo de problemas típicos por domínio\n- `references\u002Ftime-patterns.md` — Padrões históricos de tempo por tipo de tarefa\n- `scripts\u002Fpre_task_check.py` — Script de verificação automatizada pré-tarefa\n\n---\n\n## Exemplo De Briefing Completo\n\n**Tarefa do usuário:** \"Crie uma skill para integração com Stripe\"\n\n```\nBRIEFING PRÉ-EXECUÇÃO — Skill: stripe-integration\n════════════════════════════════════════════════════\n\nCONTEXTO COLETADO (3 agentes consultados):\n  • 007: CRÍTICO — API keys do Stripe NÃO devem ir para SKILL.md ou git.\n    Usar variáveis de ambiente (.env). Webhooks precisam validação HMAC-SHA256.\n  • skill-sentinel: whatsapp-cloud-api já implementa padrão HMAC-SHA256 para webhooks\n    — reusar esse padrão. Skill deve seguir estrutura: config.py + client.py + SKILL.md.\n  • agent-orchestrator: 3 skills similares (whatsapp, telegram, instagram) como referência\n    de arquitetura. Nenhuma conflita com Stripe.\n\nPLANO DE EXECUÇÃO:\n  1. Criar estrutura de diretórios (~2min) — base para os demais arquivos\n  2. Escrever SKILL.md com workflow (~5min) — define comportamento do agente\n  3. Criar config.py com variáveis de ambiente (~3min) — sem hardcode de keys\n  4. Criar stripe_client.py com autenticação (~10min) — métodos principais\n  5. Criar webhook_handler.py com HMAC-SHA256 (~5min) — reusar padrão whatsapp\n  6. Instalar via skill-installer (~2min) — validação + registro\n  7. Gerar ZIP (~1min) — para backup\u002Fupload manual\n\nTEMPO TOTAL: ~28min | CONFIANÇA: Alta\n(estrutura clara, dependências conhecidas, sem APIs externas incertas)\n\nPROBLEMAS PRÉ-RESOLVIDOS:\n  ✅ API key exposta → .env obrigatório, .gitignore configurado\n  ✅ YAML inválido → validar antes de instalar\n  ✅ Webhook sem autenticação → HMAC-SHA256 incluído no plano\n\nPONTOS DE VERIFICAÇÃO:\n  [ ] Após SKILL.md: yaml.safe_load não levanta exceção\n  [ ] Após config.py: sem strings hardcoded de credenciais\n  [ ] Final: skill-installer valida os 10 checks\n\nROLLBACK PLAN:\n  → Se skill-installer falhar: pasta em \u002Ftmp\u002Fstripe-skill-backup\u002F\n  → Se ZIP corrompido: reconstruir com build_ecosystem.py\n════════════════════════════════════════════════════\n```\n\n## Best Practices\n\n- Provide clear, specific context about your project and requirements\n- Review all suggestions before applying them to production code\n- Combine with other complementary skills for comprehensive analysis\n\n## Common Pitfalls\n\n- Using this skill for tasks outside its domain expertise\n- Applying recommendations without understanding your specific context\n- Not providing enough project context for accurate analysis\n\n## Related Skills\n\n- `agent-orchestrator` - Complementary skill for enhanced analysis\n- `multi-advisor` - Complementary skill for enhanced analysis\n",{"name":5,"risk":49,"tags":50,"tools":51,"author":54,"source":33,"date_added":55,"description":7},"none",[38,29,36,40],[52,42,27,53,28],"claude-code","gemini-cli","renat","2026-03-06","main","c173cdffe08e788a99b91928a831b476b8434838","ecosystem\u002Fskills\u002Ftask_intelligence",0,"https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw","https:\u002F\u002Fportfolio-longleo.vercel.app\u002Flabs\u002Fomniclaw.html","https:\u002F\u002Fgithub.com\u002FLongLeo287","https:\u002F\u002Fwww.facebook.com\u002FResourceRookie2023","2026-09-30 00:58:05",{"source":8,"skillName":5,"commands":66,"prompt":76,"zipAvailable":77},[67,70,73],{"tool":68,"command":69},"npx","npx skills add LongLeo287\u002FOmniClaw --skill task_intelligence",{"tool":71,"command":72},"bunx","bunx skills add LongLeo287\u002FOmniClaw --skill task_intelligence",{"tool":74,"command":75},"pnpm","pnpm dlx skills add LongLeo287\u002FOmniClaw --skill task_intelligence","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002FSKILL.md",true,[79,85,89,93,97],{"path":80,"resourceType":81,"resourceTypeDesc":82,"sizeBytes":83,"sourceHtmlUrl":84},"_DIR_IDENTITY.md","REFERENCE","参考文档",156,"https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002F_DIR_IDENTITY.md",{"path":86,"resourceType":81,"resourceTypeDesc":82,"sizeBytes":87,"sourceHtmlUrl":88},"README.md",469,"https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002FREADME.md",{"path":90,"resourceType":81,"resourceTypeDesc":82,"sizeBytes":91,"sourceHtmlUrl":92},"references\u002Fproblem_catalog.md",3076,"https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002Freferences\u002Fproblem_catalog.md",{"path":94,"resourceType":81,"resourceTypeDesc":82,"sizeBytes":95,"sourceHtmlUrl":96},"references\u002Ftime_patterns.md",2548,"https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002Freferences\u002Ftime_patterns.md",{"path":98,"resourceType":81,"resourceTypeDesc":82,"sizeBytes":99,"sourceHtmlUrl":100},"schema.json",453,"https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Ftask_intelligence\u002Fschema.json",[102,140,162,190,205,232],{"skillNo":103,"name":104,"nameZh":6,"description":105,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":106,"categories":107,"keywords":120,"publishedAt":44},"01M6JR0KQP4MHT32TN40D9CBFX","UI-UX Pro Max","Advanced UI\u002FUX analysis and generation skills with data-driven patterns. Python scripts (core.py, search.py) for systematic UI pattern extraction, design system generation, and component search from curated data sources.","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fui_components\u002Fui_ux_pro_max\u002FSKILL.md",[108,111,112,117],{"categoryNo":109,"categoryName":110,"taxonomyType":21,"taxonomyTypeDesc":22},"01JBSEEDCAT000000000000015","视觉设计",{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},{"categoryNo":113,"categoryName":114,"taxonomyType":115,"taxonomyTypeDesc":116},"01JBSEEDCAT000000000000032","设计师","PROFESSION","适用职业",{"categoryNo":118,"categoryName":119,"taxonomyType":115,"taxonomyTypeDesc":116},"01JBSEEDCAT000000000000033","数据分析师",[121,122,123,124,125,126,127,128,129,35,130,131,132,133,134,135,136,137,138,139],"ux","ui","ui ux pro max","max","pro","ui ux","design","component","search","team","rd","ui-ux","active","systematic","scripts","pattern extraction","sources","advanced","data-driven",{"skillNo":141,"name":142,"nameZh":6,"description":143,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":144,"categories":145,"keywords":147,"publishedAt":44},"01M6JR0EF5AEQHP2FSTB57H05P","shadcn-ui","Expert guidance for integrating and building applications with shadcn\u002Fui components, including component discovery, installation, customization, and best practices.","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fui_components\u002Fshadcn_ui\u002FSKILL.md",[146],{"categoryNo":113,"categoryName":114,"taxonomyType":115,"taxonomyTypeDesc":116},[148,122,149,150,128,151,152,153,154,130,155,156,157,133,158,159,160,161],"shadcn","shadcn ui","components","core","best practices","applications","discovery","customization","guidance","expert","installation","ui components","with","for",{"skillNo":163,"name":164,"nameZh":6,"description":165,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":166,"categories":167,"keywords":171,"publishedAt":44},"01M6JR08F51BEN17RHFYX65WVE","zustand_store_ts","Create Zustand stores with TypeScript, subscribeWithSelector middleware, and proper state\u002Faction separation. Use when building React state management, creating global stores, or implementing reactive state patterns with Zustand.","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Fzustand_store_ts\u002FSKILL.md",[168],{"categoryNo":169,"categoryName":170,"taxonomyType":21,"taxonomyTypeDesc":22},"01JBSEEDCAT000000000000009","前端开发",[172,173,174,175,176,177,178,179,180,181,182,183,184,185,186,187,160,188,189],"zustand store ts","zustand","store","typescript","microsoft","react","create","state management","state","react state management","management","global","use","patterns","separation","middleware","action","implementing",{"skillNo":191,"name":173,"nameZh":6,"description":192,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":193,"categories":194,"keywords":195,"publishedAt":44},"01M6JR00TDMVAFFCZXZ04AN7Q7","Zustand state management guide. Use when working with store code (src\u002Fstore\u002F**), implementing actions, managing state, or creating slices. Triggers on Zustand store development, state management questions, or action implementation.","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Fzustand\u002FSKILL.md",[],[173,196,179,39,180,197,198,182,199,184,200,201,202,174,160,203,204,188,189],"development","actions","src","guide","implementation","zustand state","triggers","questions","zustand state management",{"skillNo":206,"name":207,"nameZh":6,"description":208,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":209,"categories":210,"keywords":215,"publishedAt":44},"01M6JQZSWV4KWJP112G6XHEP44","youtube_summarizer","Automatically fetch YouTube video transcripts, generate structured summaries, and send full transcripts to messaging platforms. Detects YouTube URLs and provides metadata, key insights, and downloadable transcripts.","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Fyoutube_summarizer\u002FSKILL.md",[211,214],{"categoryNo":212,"categoryName":213,"taxonomyType":21,"taxonomyTypeDesc":22},"01JBSEEDCAT000000000000016","图像与多媒体",{"categoryNo":19,"categoryName":20,"taxonomyType":21,"taxonomyTypeDesc":22},[216,217,218,219,220,221,222,223,224,225,226,227,228,229,230,231],"youtube","youtube summarizer","summarizer","generate","metadata","messaging","Video","fetch","telegram","transcription","summarization","structured","full","insights","transcripts","summaries",{"skillNo":233,"name":234,"nameZh":6,"description":235,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":236,"categories":237,"keywords":238,"publishedAt":44},"01M6JQZN3QJB6B77JGKJD62DQT","youtube_clipper","YouTube 视频智能剪辑工具。下载视频和字幕，AI 分析生成精细章节（几分钟级别）， 用户选择片段后自动剪辑、翻译字幕为中英双语、烧录字幕到视频，并生成总结文案。 使用场景：当用户需要剪辑 YouTube 视频、生成短视频片段、制作双语字幕版本时。 关键词：视频剪辑、YouTube、字幕翻译、双语字幕、视频下载、clip video","https:\u002F\u002Fgithub.com\u002FLongLeo287\u002FOmniClaw\u002Fblob\u002Fmain\u002Fecosystem\u002Fskills\u002Fyoutube_clipper\u002FSKILL.md",[],[216,239,240,222,241,242,243,244,245,246,247,248,249,250,251,252,253],"clipper","youtube clipper","Bash","下载","视频","生成","关键词","翻译","read","write","clip","总结","工具","文案","sonnet"]