[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7ACCH73N28NESB337VHEC0R":3,"skill-same:01M7ACCH73N28NESB337VHEC0R":45},{"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":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":14,"repositoryHtmlUrl":28,"repositoryHomepageUrl":6,"ownerHtmlUrl":29,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":30,"install":31,"resources":44},"01M7ACCH73N28NESB337VHEC0R","grill-implement-parallel",null,"Orquestra os workers não-frontier da etapa implement-parallel sobre o Execution DAG, com worktree isolado por worker e receipt submetido apenas pelo leader.","cadugevaerd\u002Fgrill-with-docs","cadugevaerd","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F63358082?v=4","01M7AC7XM4CZJ31SYHN7K3WARC","Carlos Eduardo Gevaerd Araujo","01M7AC7XMXXNZBHQNVQKVN8DB7",0,"MIT","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002Fplugin\u002Fskills\u002Fgrill-implement-parallel\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: grill-implement-parallel\ndescription: Orquestra os workers não-frontier da etapa implement-parallel sobre o Execution DAG, com worktree isolado por worker e receipt submetido apenas pelo leader.\nargument-hint: \"\u003Cgit-root> --work-id \u003Cid> --run-id \u003Crun> --dag \u003Cpath>\"\n---\n# Grill Implement Parallel v4.0.0\n\nCanonical Skill da etapa **`implement-parallel`** do WORKFLOW v4. Você é o **leader**: orquestra, não implementa. Os workers implementam, cada um no próprio worktree, cada um com escopo fechado, nenhum com modelo de fronteira.\n\n## Regras invioláveis\n\n1. **O receipt da etapa é seu.** Nenhum worker faz checkpoint da etapa (spec 013 US1, ADR-0010).\n2. **Você não escolhe modelo.** `gauntlet-worker-declare` resolve o modelo a partir do tier do nó. Não passe `--model`.\n3. **Nenhum worker toca `tasks.md`.** Cada um grava só o próprio sidecar.\n4. **Tarefas em `deferred_to_leader` são suas.** Elas escrevem evidência de coordenador e worker nenhum pode executá-las.\n\n## Passos\n\n### 1. Preflight — antes de qualquer worker existir\n\n- **Checklists.** Rode o mesmo scan que `speckit-implement` faz. Se houver item aberto, **pare aqui** com `CHECKLIST-INCOMPLETE` e peça a decisão ao humano **uma vez**, no chat principal. Três workers parando para perguntar é deadlock de três vias com o `stall_minutes` correndo.\n- **Hooks.** Leia `.specify\u002Fextensions.yml`. Qualquer entrada em `hooks.before_implement`\u002F`hooks.after_implement` com `optional: false` ⇒ bloqueie com `HOOK-FANOUT-UNSAFE`. Um hook obrigatório que muta estado compartilhado dispararia uma vez por worker.\n\n### 2. Declarar a wave\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-wave-declare ROOT \\\n    --work-id ID --run-id RUN --dag specs\u002FNNN\u002Fexecution-dag.json \\\n    --node-id p01-a --node-id p01-b --node-id p01-c\n```\n\nSó nós prontos (dependências terminais) entram. Um nó `parallel:false` despacha **sozinho** na própria wave.\n\n### 3. Declarar cada worker\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-worker-declare ROOT \\\n    --work-id ID --run-id RUN --wave-id wave-0001 --node-id p01-a \\\n    --tier medium --dag specs\u002FNNN\u002Fexecution-dag.json \\\n    --files \u003Ccada file do nó>\n```\n\nUse `gauntlet-worker-declare`, nunca `gauntlet-prepare-worker`: a superfície legada aceita `--scope` sem DAG e pula seis verificações (sufixo reservado, piso de tier, escopo de evidência, pertencimento à wave, wave ativa, dependência terminal).\n\n### 4. Despachar os subagentes\n\nUse `orca orchestration worker-start --spec ... --worktree path:\u003Cworktree do worker> --agent \u003Cruntime> --model \u003Cmodel devolvido> --run \u003Crun Orca> --json` para cada worker. Guarde o `dispatchId` retornado e registre a sessão imediatamente após o start:\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-worker-session ROOT \\\n    --work-id ID --run-id RUN --worker-id p01-a --dispatch ctx-... \\\n    --phase register --session-ref LEADER\n```\n\nUm worker por nó, no próprio worktree, com o **modelo que o declare devolveu** — nunca um escolhido por você. Cada worker:\n\n1. invoca `speckit-implement` com o brief como `$ARGUMENTS`;\n2. informa progresso ao líder a cada tarefa concluída; o líder chama `gauntlet-progress-record` (renova o lease, evita `stall` aos 15 min);\n3. grava `specs\u002FNNN\u002Fimplement\u002F\u003Cnode-id>.tasks.json`;\n4. commita na própria branch;\n5. envia `worker_done` pelo Dispatch injetado e encerra seu turno.\n\nApós receber e aceitar o `worker_done` do Dispatch exato, o líder confere o resultado\u002Fdiagnóstico salvo no worktree, chama `gauntlet-worker-terminal --outcome completed` (ou `failed` com classificação honesta), depois `gauntlet-worker-session --phase release --result \u003Cpath relativo no worktree>` e confere `RELEASED` ou `REUSED`. Esse verbo registra `CLOSE_PENDING` antes do efeito, executa `orca orchestration worker-release --dispatch`, lê o mesmo Dispatch com `worker-show` e persiste `CLOSED` somente com identidade e arquivo de saída arquivado. Em `UNKNOWN`, preserve a sessão e repita **a mesma operação**: a retomada lê o Dispatch sem enviar outro release. Se ainda estiver ativo, reconcilie no Orca antes de repetir. Não use `terminal close`.\n\nO brief vem de comando, não de prosa sua:\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-partition-brief ROOT \\\n    --dag specs\u002FNNN\u002Fexecution-dag.json --node-id p01-a \\\n    --report specs\u002FNNN\u002Fpartition-report.json\n```\n\nO brief é **dica**. A garantia é o grant do worktree mais a verificação de diff em `gauntlet-converge` (`GRANT-SCOPE-VIOLATION`).\n\n### 5. Convergir\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-converge ROOT \\\n    --work-id ID --run-id RUN --wave-id wave-0001\n```\n\nMerge `--no-ff` serial, em ordem de `node_id`. Conflito de conteúdo **não** é resolvido automaticamente (ADR-0009): `INTEGRATION_CONFLICT` nomeia os nós e o humano resolve. `gauntlet-remediate` só aceita `stall` e `transient-failure`.\nPara uma sessão Orca, cada worker convergível precisa de recurso de sessão `CLOSED` com release confirmado; substituição exige a mesma prova do worker anterior. O cleanup Git do worktree continua após o merge. Workers antigos exigem registro por identidade e settlement comprovados antes de elegibilidade; nenhum resultado aceito é repetido para drenar cleanup.\n\nRepita 2–5 enquanto houver nó não terminal.\n\n### 6. Reconciliar e fechar\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-tasks-reconcile ROOT \\\n    --work-id ID --run-id RUN --dag specs\u002FNNN\u002Fexecution-dag.json\n```\n\nLê os sidecars já mergeados e marca `[X]` em `tasks.md`, uma vez, na branch do coordenador. Determinístico, sem modelo no loop.\n\nDepois execute você mesmo as tarefas de `deferred_to_leader`, e só então faça o checkpoint da etapa.\n\n## Worker que falha\n\n`gauntlet-converge` integra apenas lineage-head em estado terminal. Um worker `FAILED` é ignorado no merge e a wave fecha sem ele; a etapa `converge` seguinte apanha o resto como tarefa nova — é literalmente para isso que ela existe.\n","# Grill Implement Parallel v4.0.0\n\nCanonical Skill da etapa **`implement-parallel`** do WORKFLOW v4. Você é o **leader**: orquestra, não implementa. Os workers implementam, cada um no próprio worktree, cada um com escopo fechado, nenhum com modelo de fronteira.\n\n## Regras invioláveis\n\n1. **O receipt da etapa é seu.** Nenhum worker faz checkpoint da etapa (spec 013 US1, ADR-0010).\n2. **Você não escolhe modelo.** `gauntlet-worker-declare` resolve o modelo a partir do tier do nó. Não passe `--model`.\n3. **Nenhum worker toca `tasks.md`.** Cada um grava só o próprio sidecar.\n4. **Tarefas em `deferred_to_leader` são suas.** Elas escrevem evidência de coordenador e worker nenhum pode executá-las.\n\n## Passos\n\n### 1. Preflight — antes de qualquer worker existir\n\n- **Checklists.** Rode o mesmo scan que `speckit-implement` faz. Se houver item aberto, **pare aqui** com `CHECKLIST-INCOMPLETE` e peça a decisão ao humano **uma vez**, no chat principal. Três workers parando para perguntar é deadlock de três vias com o `stall_minutes` correndo.\n- **Hooks.** Leia `.specify\u002Fextensions.yml`. Qualquer entrada em `hooks.before_implement`\u002F`hooks.after_implement` com `optional: false` ⇒ bloqueie com `HOOK-FANOUT-UNSAFE`. Um hook obrigatório que muta estado compartilhado dispararia uma vez por worker.\n\n### 2. Declarar a wave\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-wave-declare ROOT \\\n    --work-id ID --run-id RUN --dag specs\u002FNNN\u002Fexecution-dag.json \\\n    --node-id p01-a --node-id p01-b --node-id p01-c\n```\n\nSó nós prontos (dependências terminais) entram. Um nó `parallel:false` despacha **sozinho** na própria wave.\n\n### 3. Declarar cada worker\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-worker-declare ROOT \\\n    --work-id ID --run-id RUN --wave-id wave-0001 --node-id p01-a \\\n    --tier medium --dag specs\u002FNNN\u002Fexecution-dag.json \\\n    --files \u003Ccada file do nó>\n```\n\nUse `gauntlet-worker-declare`, nunca `gauntlet-prepare-worker`: a superfície legada aceita `--scope` sem DAG e pula seis verificações (sufixo reservado, piso de tier, escopo de evidência, pertencimento à wave, wave ativa, dependência terminal).\n\n### 4. Despachar os subagentes\n\nUse `orca orchestration worker-start --spec ... --worktree path:\u003Cworktree do worker> --agent \u003Cruntime> --model \u003Cmodel devolvido> --run \u003Crun Orca> --json` para cada worker. Guarde o `dispatchId` retornado e registre a sessão imediatamente após o start:\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-worker-session ROOT \\\n    --work-id ID --run-id RUN --worker-id p01-a --dispatch ctx-... \\\n    --phase register --session-ref LEADER\n```\n\nUm worker por nó, no próprio worktree, com o **modelo que o declare devolveu** — nunca um escolhido por você. Cada worker:\n\n1. invoca `speckit-implement` com o brief como `$ARGUMENTS`;\n2. informa progresso ao líder a cada tarefa concluída; o líder chama `gauntlet-progress-record` (renova o lease, evita `stall` aos 15 min);\n3. grava `specs\u002FNNN\u002Fimplement\u002F\u003Cnode-id>.tasks.json`;\n4. commita na própria branch;\n5. envia `worker_done` pelo Dispatch injetado e encerra seu turno.\n\nApós receber e aceitar o `worker_done` do Dispatch exato, o líder confere o resultado\u002Fdiagnóstico salvo no worktree, chama `gauntlet-worker-terminal --outcome completed` (ou `failed` com classificação honesta), depois `gauntlet-worker-session --phase release --result \u003Cpath relativo no worktree>` e confere `RELEASED` ou `REUSED`. Esse verbo registra `CLOSE_PENDING` antes do efeito, executa `orca orchestration worker-release --dispatch`, lê o mesmo Dispatch com `worker-show` e persiste `CLOSED` somente com identidade e arquivo de saída arquivado. Em `UNKNOWN`, preserve a sessão e repita **a mesma operação**: a retomada lê o Dispatch sem enviar outro release. Se ainda estiver ativo, reconcilie no Orca antes de repetir. Não use `terminal close`.\n\nO brief vem de comando, não de prosa sua:\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-partition-brief ROOT \\\n    --dag specs\u002FNNN\u002Fexecution-dag.json --node-id p01-a \\\n    --report specs\u002FNNN\u002Fpartition-report.json\n```\n\nO brief é **dica**. A garantia é o grant do worktree mais a verificação de diff em `gauntlet-converge` (`GRANT-SCOPE-VIOLATION`).\n\n### 5. Convergir\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-converge ROOT \\\n    --work-id ID --run-id RUN --wave-id wave-0001\n```\n\nMerge `--no-ff` serial, em ordem de `node_id`. Conflito de conteúdo **não** é resolvido automaticamente (ADR-0009): `INTEGRATION_CONFLICT` nomeia os nós e o humano resolve. `gauntlet-remediate` só aceita `stall` e `transient-failure`.\nPara uma sessão Orca, cada worker convergível precisa de recurso de sessão `CLOSED` com release confirmado; substituição exige a mesma prova do worker anterior. O cleanup Git do worktree continua após o merge. Workers antigos exigem registro por identidade e settlement comprovados antes de elegibilidade; nenhum resultado aceito é repetido para drenar cleanup.\n\nRepita 2–5 enquanto houver nó não terminal.\n\n### 6. Reconciliar e fechar\n\n```bash\npython3 \u003Cplugin>\u002Fscripts\u002Fgrill_workspace.py gauntlet-tasks-reconcile ROOT \\\n    --work-id ID --run-id RUN --dag specs\u002FNNN\u002Fexecution-dag.json\n```\n\nLê os sidecars já mergeados e marca `[X]` em `tasks.md`, uma vez, na branch do coordenador. Determinístico, sem modelo no loop.\n\nDepois execute você mesmo as tarefas de `deferred_to_leader`, e só então faça o checkpoint da etapa.\n\n## Worker que falha\n\n`gauntlet-converge` integra apenas lineage-head em estado terminal. Um worker `FAILED` é ignorado no merge e a wave fecha sem ele; a etapa `converge` seguinte apanha o resto como tarefa nova — é literalmente para isso que ela existe.\n",{"name":5,"description":7,"argument-hint":24},"\u003Cgit-root> --work-id \u003Cid> --run-id \u003Crun> --dag \u003Cpath>","main","dd561c2e23614861198af1b46cc720d1b0fb2cf0","plugin\u002Fskills\u002Fgrill-implement-parallel","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs","https:\u002F\u002Fgithub.com\u002Fcadugevaerd","2026-09-28 01:22:45",{"source":8,"skillName":5,"commands":32,"prompt":42,"zipAvailable":43},[33,36,39],{"tool":34,"command":35},"npx","npx skills add cadugevaerd\u002Fgrill-with-docs --skill grill-implement-parallel",{"tool":37,"command":38},"bunx","bunx skills add cadugevaerd\u002Fgrill-with-docs --skill grill-implement-parallel",{"tool":40,"command":41},"pnpm","pnpm dlx skills add cadugevaerd\u002Fgrill-with-docs --skill grill-implement-parallel","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002Fplugin\u002Fskills\u002Fgrill-implement-parallel\u002FSKILL.md",true,[],[46,52,59,66,73,79],{"skillNo":47,"name":48,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":49,"categories":50,"keywords":51,"publishedAt":19},"01M7ACCWNYYQVH259P3X96A3PS","offline-presentation-fixture","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002Ftests\u002Ffixtures\u002Forchestration\u002FSKILL.md",[],[],{"skillNo":53,"name":54,"nameZh":6,"description":55,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":56,"categories":57,"keywords":58,"publishedAt":19},"01M7ACCS4KGQ0J2V3T60DTETGD","grill-with-docs","Entrevista decisões arquiteturais por work item isolado, mantém feature plan-only e oferece hotfix-fast executável com HOTFIX-GO fail-closed.","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002Fplugin\u002Fskills\u002Fgrill-with-docs\u002FSKILL.md",[],[],{"skillNo":60,"name":61,"nameZh":6,"description":62,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":63,"categories":64,"keywords":65,"publishedAt":19},"01M7ACCMCXGYXGXSM9FXNECN2G","grill-partition","Particiona tasks.md em subfases file-disjuntas e emite o Execution DAG versionado da etapa partition, de forma determinística e sem julgamento de modelo.","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002Fplugin\u002Fskills\u002Fgrill-partition\u002FSKILL.md",[],[],{"skillNo":67,"name":68,"nameZh":6,"description":69,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":70,"categories":71,"keywords":72,"publishedAt":19},"01M7ACCDSD9CGXTJDA87C269NZ","speckit-verify-review-ship-verify","Run post-convergence executable gates and diff hygiene checks","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002F.claude\u002Fskills\u002Fspeckit-verify-review-ship-verify\u002FSKILL.md",[],[],{"skillNo":74,"name":75,"nameZh":6,"description":69,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":76,"categories":77,"keywords":78,"publishedAt":19},"01M7ACCBFXR7JX9RN0PGRAZTA0","speckit-verify-review-ship-v","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002F.claude\u002Fskills\u002Fspeckit-verify-review-ship-v\u002FSKILL.md",[],[],{"skillNo":80,"name":81,"nameZh":6,"description":82,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":83,"categories":84,"keywords":85,"publishedAt":19},"01M7ACC82RWZJSKZJ92XF5XD15","speckit-verify-review-ship-ship","Capture approved project learnings, revalidate, merge safely, clean up, and summarize delivery","https:\u002F\u002Fgithub.com\u002Fcadugevaerd\u002Fgrill-with-docs\u002Fblob\u002Fmain\u002F.claude\u002Fskills\u002Fspeckit-verify-review-ship-ship\u002FSKILL.md",[],[]]