[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M79FQY92SW90HCQACX0MBHFX":3,"skill-same:01M79FQY92SW90HCQACX0MBHFX":43},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":18,"linkOnly":19,"markdownContent":20,"markdownBody":21,"frontMatter":22,"refName":23,"commitSha":24,"skillDirectory":25,"forksCount":13,"repositoryHtmlUrl":26,"repositoryHomepageUrl":6,"ownerHtmlUrl":27,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":28,"install":29,"resources":42},"01M79FQY92SW90HCQACX0MBHFX","dare-telemetry",null,"Rastreamento de tokens e modelos de IA consumidos em cada etapa do Método DARE. Gera DARE\u002FTELEMETRY.md com modelo usado, tokens estimados, tempo e tentativas (Ralph Loop) por comando — para auditoria, monitoramento de uso e otimização de custos.","darelabs-tech\u002Fdare-cli","darelabs-tech","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F297032253?v=4","01M79FCCY9B6SQYRDH94K6BP59","01M79FCCZ8GN6HPPEQJSJYC3FP",0,"Apache-2.0","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fassets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fdare-telemetry\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: dare-telemetry\ndescription: Rastreamento de tokens e modelos de IA consumidos em cada etapa do Método DARE. Gera DARE\u002FTELEMETRY.md com modelo usado, tokens estimados, tempo e tentativas (Ralph Loop) por comando — para auditoria, monitoramento de uso e otimização de custos.\n---\n\n# DARE Telemetry Skill\n\nVocê é um especialista em observabilidade e monitoramento de uso de IA. Seu papel é rastrear consumo de tokens e modelos usados em cada etapa do DARE, mantendo `DARE\u002FTELEMETRY.md` atualizado.\n\n> **Diferença com `dare-quality-telemetry`:**\n> - `dare-telemetry` (esta) — rastreia **uso de IA** (modelos, tokens, tempo) por comando DARE\n> - `dare-quality-telemetry` — agrega **métricas de qualidade** das skills (M-01 a M-04)\n\n## Quando usar\n\n- Ao final de cada comando DARE executado\n- Para gerar relatório periódico de uso de IA\n- Para auditoria de compliance (qual IA foi usada, onde)\n- Para otimização de custos (qual etapa consome mais)\n\n## Modelos rastreáveis\n\nIndependente do IDE\u002Fagente:\n\n| Modelo | Provider | Características | Melhor para |\n|---|---|---|---|\n| Claude Opus 4.7 | Anthropic | Análise profunda, refactor longo | Design, blueprint, security review |\n| Claude Sonnet 4.5 | Anthropic | Equilíbrio velocidade\u002Fqualidade | Execução de tasks |\n| GPT-4 Turbo | OpenAI | Versátil | Tarefas gerais |\n| Gemini 2.0 Flash | Google | Ultra rápido | Tasks simples, processamento em batch |\n| Modelos locais (Ollama) | Self-hosted | Privacidade total | Dados sensíveis |\n\n## Estrutura `DARE\u002FTELEMETRY.md`\n\n```markdown\n# Telemetria do Projeto: [Nome]\n\n## Resumo Executivo\n- **Projeto:** [Nome]\n- **Data de início:** [ISO 8601]\n- **Tokens totais processados:** [Número]\n- **Modelos utilizados:** [Lista]\n- **Tempo total de execução:** [Tempo]\n- **Custo estimado:** $[X]\n\n## Detalhamento por Etapa\n\n### 1. Design (`\u002Fdare-design`)\n- **Data\u002FHora:** [Timestamp]\n- **Modelo:** Claude Opus 4.7\n- **Tokens estimados (in\u002Fout):** 7,390 \u002F 1,250\n- **Tempo de execução:** 45 segundos\n- **Comando:** `\u002Fdare-design \"Criar API de autenticação\"`\n- **Resultado:** DESIGN.md gerado, 12 RFs, 8 RNFs, 5 RS\n- **Observações:** [Ajustes manuais necessários, etc.]\n\n### 2. Blueprint (`\u002Fdare-blueprint`)\n- **Data\u002FHora:** [Timestamp]\n- **Modelo:** Claude Opus 4.7\n- **Tokens estimados (in\u002Fout):** 21,373 \u002F 4,800\n- **Tempo:** 2 min\n- **Arquivo processado:** DARE\u002FDESIGN.md\n- **Resultado:** BLUEPRINT.md com 8 fases, 25 tabelas, 4 diagramas Mermaid\n\n### 3. Tasks (`\u002Fdare-tasks`)\n- **Tokens estimados:** 33,912 \u002F 8,200\n- **Tempo:** 3 min 20 seg\n- **Arquivo processado:** DARE\u002FBLUEPRINT.md\n- **Tasks geradas:** 12\n\n### 4. Execute Tasks (`\u002Fdare-execute`)\n\n- **task-001 — Migration de Users**\n  - Modelo: Claude Sonnet 4.5\n  - Tokens: 7,801 \u002F 2,500\n  - Tempo: 1 min 30 seg\n  - Tentativas (Ralph Loop): 1\n  - Status: ✓ Sucesso\n\n- **task-002 — AuthController**\n  - Modelo: Claude Sonnet 4.5\n  - Tokens: 11,357 \u002F 3,200\n  - Tempo: 2 min\n  - Tentativas: 2 (1 falha por typo)\n  - Status: ✓ Sucesso\n\n## Análise\n\n| Etapa | Tokens in\u002Fout | % do total | Tempo |\n|---|---|---|---|\n| Design | 7,390 \u002F 1,250 | 5% | 45 seg |\n| Blueprint | 21,373 \u002F 4,800 | 15% | 2 min |\n| Tasks | 33,912 \u002F 8,200 | 24% | 3 min 20 seg |\n| Execute (12 tasks) | 85,234 \u002F 24,000 | 56% | 25 min |\n| **TOTAL** | **147,909 \u002F 38,250** | **100%** | **~31 min** |\n\n## Modelos utilizados\n\n- Claude Opus 4.7: 62,675 tokens (42%) — design + blueprint + tasks\n- Claude Sonnet 4.5: 85,234 tokens (58%) — execução de tasks\n\n## Custo estimado\n\n| Modelo | Tokens in | Tokens out | $\u002FM in | $\u002FM out | Total |\n|---|---|---|---|---|---|\n| Opus 4.7 | 62,675 | 14,250 | $15 | $75 | $2.01 |\n| Sonnet 4.5 | 85,234 | 24,000 | $3 | $15 | $0.62 |\n| **Total** | | | | | **$2.63** |\n```\n\n## Como aplicar\n\n### Passo 1: Após `\u002Fdare-design`\n\nAdicione entrada na seção Design com:\n- Timestamp\n- Modelo do agente (perguntar ao usuário se não souber automaticamente)\n- Tokens estimados (in\u002Fout) — pegar do output do modelo se disponível\n- Tempo de execução\n- Comando executado\n- Observações qualitativas\n\n### Passo 2: Após `\u002Fdare-blueprint`\n\nIdem. Adicione tabelas e diagramas gerados como resultado.\n\n### Passo 3: Após `\u002Fdare-tasks`\n\nInclua número de tasks geradas, complexidade média.\n\n### Passo 4: Após cada `\u002Fdare-execute`\n\nPara cada task:\n- Modelo usado\n- Tokens\n- Tempo\n- **Tentativas no Ralph Loop** (importante — se >2, task precisa refino)\n- Status (Sucesso\u002FFalha)\n\n### Passo 5: Recompilar análise + custos\n\nA cada 5 tasks ou release, atualize a seção Análise com totais agregados.\n\n## Capturando informações do agente\n\nCada IDE expõe diferente:\n\n**Antigravity:**\n- Modelo aparece no header da conversa\n- Tokens estimados em `?ax-debug` ou settings\n\n**Claude Code:**\n- `\u002Fcost` mostra tokens da sessão\n- Modelo no rodapé\n\n**Cursor:**\n- Barra de status canto inferior direito\n- Histórico de conversa tem detalhes por resposta\n\n## Otimizações recomendadas\n\n1. **Modelo certo para tarefa certa**\n   - Opus → design\u002Fblueprint\u002Fsecurity review\n   - Sonnet → execução\n   - Gemini Flash → tasks simples, batch\n2. **Reutilizar contexto** — múltiplas tasks na mesma sessão economiza re-leitura\n3. **Revisar Blueprint antes de Tasks** — evita re-geração\n4. **Agrupar tasks relacionadas** — contexto reaproveitado\n5. **Ralph Loop alto = especificação ruim** — se task precisa >2 tentativas, refine BLUEPRINT.md\n\n## Antipatterns\n\n| AP | Antipattern | Por quê |\n|---|---|---|\n| AP-01 | Não rastrear telemetria | Sem dados para otimizar |\n| AP-02 | Usar Opus para tasks triviais | Desperdício de custo |\n| AP-03 | Ignorar Ralph Loop alto | Specs ruins se acumulam |\n| AP-04 | Não auditar modelo (compliance) | Risco regulatório se houver |\n\n## Dicas\n\n- **Combine** com `dare-quality-telemetry` — esta rastreia uso de IA, aquela rastreia qualidade\n- **Exporte** TELEMETRY.md para dashboard (Grafana, Notion, etc.) periodicamente\n- **Trate custo como métrica** — adicione ao Ralph Loop como gate (>$Y\u002Ffeature = revisar specs)\n\n---\n\nEsta skill é parte do DARE Method e está sob licença MIT.\n","# DARE Telemetry Skill\n\nVocê é um especialista em observabilidade e monitoramento de uso de IA. Seu papel é rastrear consumo de tokens e modelos usados em cada etapa do DARE, mantendo `DARE\u002FTELEMETRY.md` atualizado.\n\n> **Diferença com `dare-quality-telemetry`:**\n> - `dare-telemetry` (esta) — rastreia **uso de IA** (modelos, tokens, tempo) por comando DARE\n> - `dare-quality-telemetry` — agrega **métricas de qualidade** das skills (M-01 a M-04)\n\n## Quando usar\n\n- Ao final de cada comando DARE executado\n- Para gerar relatório periódico de uso de IA\n- Para auditoria de compliance (qual IA foi usada, onde)\n- Para otimização de custos (qual etapa consome mais)\n\n## Modelos rastreáveis\n\nIndependente do IDE\u002Fagente:\n\n| Modelo | Provider | Características | Melhor para |\n|---|---|---|---|\n| Claude Opus 4.7 | Anthropic | Análise profunda, refactor longo | Design, blueprint, security review |\n| Claude Sonnet 4.5 | Anthropic | Equilíbrio velocidade\u002Fqualidade | Execução de tasks |\n| GPT-4 Turbo | OpenAI | Versátil | Tarefas gerais |\n| Gemini 2.0 Flash | Google | Ultra rápido | Tasks simples, processamento em batch |\n| Modelos locais (Ollama) | Self-hosted | Privacidade total | Dados sensíveis |\n\n## Estrutura `DARE\u002FTELEMETRY.md`\n\n```markdown\n# Telemetria do Projeto: [Nome]\n\n## Resumo Executivo\n- **Projeto:** [Nome]\n- **Data de início:** [ISO 8601]\n- **Tokens totais processados:** [Número]\n- **Modelos utilizados:** [Lista]\n- **Tempo total de execução:** [Tempo]\n- **Custo estimado:** $[X]\n\n## Detalhamento por Etapa\n\n### 1. Design (`\u002Fdare-design`)\n- **Data\u002FHora:** [Timestamp]\n- **Modelo:** Claude Opus 4.7\n- **Tokens estimados (in\u002Fout):** 7,390 \u002F 1,250\n- **Tempo de execução:** 45 segundos\n- **Comando:** `\u002Fdare-design \"Criar API de autenticação\"`\n- **Resultado:** DESIGN.md gerado, 12 RFs, 8 RNFs, 5 RS\n- **Observações:** [Ajustes manuais necessários, etc.]\n\n### 2. Blueprint (`\u002Fdare-blueprint`)\n- **Data\u002FHora:** [Timestamp]\n- **Modelo:** Claude Opus 4.7\n- **Tokens estimados (in\u002Fout):** 21,373 \u002F 4,800\n- **Tempo:** 2 min\n- **Arquivo processado:** DARE\u002FDESIGN.md\n- **Resultado:** BLUEPRINT.md com 8 fases, 25 tabelas, 4 diagramas Mermaid\n\n### 3. Tasks (`\u002Fdare-tasks`)\n- **Tokens estimados:** 33,912 \u002F 8,200\n- **Tempo:** 3 min 20 seg\n- **Arquivo processado:** DARE\u002FBLUEPRINT.md\n- **Tasks geradas:** 12\n\n### 4. Execute Tasks (`\u002Fdare-execute`)\n\n- **task-001 — Migration de Users**\n  - Modelo: Claude Sonnet 4.5\n  - Tokens: 7,801 \u002F 2,500\n  - Tempo: 1 min 30 seg\n  - Tentativas (Ralph Loop): 1\n  - Status: ✓ Sucesso\n\n- **task-002 — AuthController**\n  - Modelo: Claude Sonnet 4.5\n  - Tokens: 11,357 \u002F 3,200\n  - Tempo: 2 min\n  - Tentativas: 2 (1 falha por typo)\n  - Status: ✓ Sucesso\n\n## Análise\n\n| Etapa | Tokens in\u002Fout | % do total | Tempo |\n|---|---|---|---|\n| Design | 7,390 \u002F 1,250 | 5% | 45 seg |\n| Blueprint | 21,373 \u002F 4,800 | 15% | 2 min |\n| Tasks | 33,912 \u002F 8,200 | 24% | 3 min 20 seg |\n| Execute (12 tasks) | 85,234 \u002F 24,000 | 56% | 25 min |\n| **TOTAL** | **147,909 \u002F 38,250** | **100%** | **~31 min** |\n\n## Modelos utilizados\n\n- Claude Opus 4.7: 62,675 tokens (42%) — design + blueprint + tasks\n- Claude Sonnet 4.5: 85,234 tokens (58%) — execução de tasks\n\n## Custo estimado\n\n| Modelo | Tokens in | Tokens out | $\u002FM in | $\u002FM out | Total |\n|---|---|---|---|---|---|\n| Opus 4.7 | 62,675 | 14,250 | $15 | $75 | $2.01 |\n| Sonnet 4.5 | 85,234 | 24,000 | $3 | $15 | $0.62 |\n| **Total** | | | | | **$2.63** |\n```\n\n## Como aplicar\n\n### Passo 1: Após `\u002Fdare-design`\n\nAdicione entrada na seção Design com:\n- Timestamp\n- Modelo do agente (perguntar ao usuário se não souber automaticamente)\n- Tokens estimados (in\u002Fout) — pegar do output do modelo se disponível\n- Tempo de execução\n- Comando executado\n- Observações qualitativas\n\n### Passo 2: Após `\u002Fdare-blueprint`\n\nIdem. Adicione tabelas e diagramas gerados como resultado.\n\n### Passo 3: Após `\u002Fdare-tasks`\n\nInclua número de tasks geradas, complexidade média.\n\n### Passo 4: Após cada `\u002Fdare-execute`\n\nPara cada task:\n- Modelo usado\n- Tokens\n- Tempo\n- **Tentativas no Ralph Loop** (importante — se >2, task precisa refino)\n- Status (Sucesso\u002FFalha)\n\n### Passo 5: Recompilar análise + custos\n\nA cada 5 tasks ou release, atualize a seção Análise com totais agregados.\n\n## Capturando informações do agente\n\nCada IDE expõe diferente:\n\n**Antigravity:**\n- Modelo aparece no header da conversa\n- Tokens estimados em `?ax-debug` ou settings\n\n**Claude Code:**\n- `\u002Fcost` mostra tokens da sessão\n- Modelo no rodapé\n\n**Cursor:**\n- Barra de status canto inferior direito\n- Histórico de conversa tem detalhes por resposta\n\n## Otimizações recomendadas\n\n1. **Modelo certo para tarefa certa**\n   - Opus → design\u002Fblueprint\u002Fsecurity review\n   - Sonnet → execução\n   - Gemini Flash → tasks simples, batch\n2. **Reutilizar contexto** — múltiplas tasks na mesma sessão economiza re-leitura\n3. **Revisar Blueprint antes de Tasks** — evita re-geração\n4. **Agrupar tasks relacionadas** — contexto reaproveitado\n5. **Ralph Loop alto = especificação ruim** — se task precisa >2 tentativas, refine BLUEPRINT.md\n\n## Antipatterns\n\n| AP | Antipattern | Por quê |\n|---|---|---|\n| AP-01 | Não rastrear telemetria | Sem dados para otimizar |\n| AP-02 | Usar Opus para tasks triviais | Desperdício de custo |\n| AP-03 | Ignorar Ralph Loop alto | Specs ruins se acumulam |\n| AP-04 | Não auditar modelo (compliance) | Risco regulatório se houver |\n\n## Dicas\n\n- **Combine** com `dare-quality-telemetry` — esta rastreia uso de IA, aquela rastreia qualidade\n- **Exporte** TELEMETRY.md para dashboard (Grafana, Notion, etc.) periodicamente\n- **Trate custo como métrica** — adicione ao Ralph Loop como gate (>$Y\u002Ffeature = revisar specs)\n\n---\n\nEsta skill é parte do DARE Method e está sob licença MIT.\n",{"name":5,"description":7},"main","3597b5ea0f4e90a0b47e4c036afc7eeb087d5ea5","assets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fdare-telemetry","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech","2026-10-23 09:15:53",{"source":8,"skillName":5,"commands":30,"prompt":40,"zipAvailable":41},[31,34,37],{"tool":32,"command":33},"npx","npx skills add darelabs-tech\u002Fdare-cli --skill dare-telemetry",{"tool":35,"command":36},"bunx","bunx skills add darelabs-tech\u002Fdare-cli --skill dare-telemetry",{"tool":38,"command":39},"pnpm","pnpm dlx skills add darelabs-tech\u002Fdare-cli --skill dare-telemetry","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fassets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fdare-telemetry\u002FSKILL.md",true,[],[44,50,55,62,69,76],{"skillNo":45,"name":46,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":47,"categories":48,"keywords":49,"publishedAt":18},"01M79FRYATNTKSEW78ZF8YPTMP","commands","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fbook\u002Fpt\u002Fsrc\u002Fcommands\u002Fskill.md",[],[],{"skillNo":51,"name":46,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":52,"categories":53,"keywords":54,"publishedAt":18},"01M79FRX217T58KNDCKKXWRMP1","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fbook\u002Fen\u002Fsrc\u002Fcommands\u002Fskill.md",[],[],{"skillNo":56,"name":57,"nameZh":6,"description":58,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":61,"publishedAt":18},"01M79FRS84X15ZCGTK7C2SAMXM","skill-rails-api","Padrões DARE para APIs em Ruby on Rails 8 — API mode, ActiveRecord, Solid Queue, Solid Cable, Action Cable, strong parameters, services (interactors), serializers (Blueprinter\u002FAlba), Devise\u002FJWT, rack-attack, rswag\u002Fgrape-swagger.","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fassets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fskill-rails-api\u002FSKILL.md",[],[],{"skillNo":63,"name":64,"nameZh":6,"description":65,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":66,"categories":67,"keywords":68,"publishedAt":18},"01M79FRN9NQ4DXWBFFPWJF39RA","skill-nestjs-api","Padrões DARE para APIs REST em NestJS + TypeScript + Prisma + Swagger. Modules, Controllers, Services, DTOs com class-validator, Guards, Interceptors, exceções globais, Jest + Supertest, OpenAPI auto-gerado, rate limiting com @nestjs\u002Fthrottler.","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fassets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fskill-nestjs-api\u002FSKILL.md",[],[],{"skillNo":70,"name":71,"nameZh":6,"description":72,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":73,"categories":74,"keywords":75,"publishedAt":18},"01M79FRGSECX4GBGN2X3ZM27TD","skill-mcp-server","Padrões DARE para servidores MCP (Model Context Protocol) em TypeScript ou Python. Define tools, resources, prompts; suporta transports stdio, SSE e HTTP; validação Zod\u002FPydantic; autorização por tool; tracing estruturado; testes; publicação no MCP registry.","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fassets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fskill-mcp-server\u002FSKILL.md",[],[],{"skillNo":77,"name":78,"nameZh":6,"description":79,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":80,"categories":81,"keywords":82,"publishedAt":18},"01M79FRCY80X3GKQ36YTB4TYTQ","skill-go-gin-api","Padrões DARE para APIs REST em Go + Gin (ou stdlib net\u002Fhttp) + sqlc + PostgreSQL. Handlers, services, repositories, middleware, validação com go-playground\u002Fvalidator, JWT, rate limit, swag (OpenAPI), testes com testify e httptest.","https:\u002F\u002Fgithub.com\u002Fdarelabs-tech\u002Fdare-cli\u002Fblob\u002Fmain\u002Fassets\u002Fnpm\u002Fide\u002Fantigravity\u002F.agents\u002Fskills\u002Fskill-go-gin-api\u002FSKILL.md",[],[]]