[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7ADEKND59CDGM961MYA2EC3":3,"skill-same:01M7ADEKND59CDGM961MYA2EC3":50},{"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":28,"commitSha":29,"skillDirectory":30,"forksCount":31,"repositoryHtmlUrl":32,"repositoryHomepageUrl":33,"ownerHtmlUrl":34,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":35,"install":36,"resources":49},"01M7ADEKND59CDGM961MYA2EC3","continuous-improvement",null,"Use when starting a self-improvement session. Enforces FASE 0 deep research and the 10-step improvement loop so no step is skipped, no phantom failure is invented, and every change is validated with held-out tests.","Leostruka\u002Fdevin-bundle","Leostruka","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F81370685?v=4","01M7AD8MAK63VDNAWRDRRRW04N","leandro ostruka","01M7AD8MBS65YDS1KMMV7YPM07",0,"MIT","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Fskills\u002Fcontinuous-improvement\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: continuous-improvement\ndescription: Use when starting a self-improvement session. Enforces FASE 0 deep research and the 10-step improvement loop so no step is skipped, no phantom failure is invented, and every change is validated with held-out tests.\nversion: 1.1.0\ntriggers:\n  - user\n  - model\n---\n\n# Directiva de Melhoria Contínua\n\n> Prompt-meta: injetar no início de cada sessão de autoaperfeiçoamento.\n> Fontes: Constitutional AI (Anthropic 2022), RISE (arXiv:2407.18219),\n> DORA (COLING 2025), Six-Step Reframing (Bandler\u002FGrinder, Satir),\n> Rules 15-17 (reproducibilidade, held-out, verify-with-tools),\n> Deep Research workflow (Devin CLI docs + AI lab best practices).\n\n---\n\n## CONTRATO DA SESSÃO (antes da FASE 0)\n\nCriar o ledger antes de pesquisar ou editar. Registrar nele:\n\n- `DELEGATION`: `disabled` se o usuário não autorizou subagentes; nesse modo não\n  usar `run_subagent`, `read_subagent` nem skills com `subagent`\u002F`agent`.\n- `INPUT_REGISTER`: cada pedido do usuário, arquivo citado, fonte, regra,\n  candidato e recomendação recebe um ID e uma origem verificável.\n- `SOURCE_REGISTER`: cada fonte recebe URL\u002Fpath, autor\u002Fdata quando disponíveis,\n  trecho ou linhas lidas diretamente, e decisão `accepted`\u002F`rejected`.\n- `VFS`: cada mudança recebe um comando, resultado esperado e local da evidência\n  antes da primeira edição.\n- `SCOPE`: arquivos autorizados; alterações fora da lista exigem nova entrada e\n  gate próprio.\n\nNenhum item pode desaparecer por compactação, handoff ou mudança de skill.\nAntes de declarar a melhoria, cada ID deve estar `applied`, `deferred` ou\n`rejected`, com motivo e evidência. A síntese em\n`.devin\u002Fnotes\u002Fextraction-3texts\u002Fcontinuous-improvement-review.md` define as\nlacunas verificadas nesta versão.\n\n## OBJETIVO (único, claro, mensurável)\n\n**Melhorar continuamente o comportamento, o escopo e a eficácia deste agente,\ncom permissão para alterar qualquer arquivo de configuração, regra, hook,\nskill, script ou prompt - sem trapacear para demonstrar melhoria.**\n\n\"Melhoria\" = redução reproduzível de falhas reais, validada por testes\nindependentes (held-out), não por testes escolhidos pelo próprio agente.\n\n**Critério de convergência**: atingir a conjuntura ótima de operação para\no modelo primário do bundle (`BUNDLE_DEFAULT_MODEL` \u002F `data\u002Fbundle-models.json`,\n`default_parent_model`) e o subagent padrão (`BUNDLE_MAX_MODEL` \u002F\n`BUNDLE_MEDIUM_MODEL` \u002F `data\u002Fbundle-models.json`, `max_role_model` \u002F\n`medium_role_model`) - segundo fontes verificadas (docs.devin.ai, cognition.com,\nz.ai, laboratórios de AI) e experiência prática registrada no histórico do bundle.\n\n**NÃO dar push ou commit.** Todas as mudanças ficam locais para validação.\n\n---\n\n## PERMISSIVIDADE (o que pode alterar)\n\nPode alterar **tudo** no bundle para atingir o objetivo:\n- `AGENTS.md`, `config.json`, `hooks.v1.json`, `mcp_config.json`\n- `scripts\u002F*.py` (hooks, validadores, gates)\n- `.devin\u002Fskills\u002F*\u002FSKILL.md`\n- Prompts, regras, diretivas (incluindo este arquivo)\n\n**Não pode alterar (anti-trapaça, não negociável):**\n- Os princípios anti-trapaça abaixo (auto-referência proibida)\n- `tests\u002Fheld-out\u002F` (se existir - o agente não pode ver\u002Fescrever estes testes)\n- Segredos: usar, nunca exibir\n- Assinaturas de IA em deliverables (Rule 2)\n\n---\n\n## Ledger com `unlazy`\n\nEste processo é um alvo natural de preguiça do agente (muitos passos,\ndocumentação, tendência a declarar feito sem evidência). Invocar o skill\n`unlazy` no início cria um ledger rastreável com gates (`outcome`, `check`,\n`expect`, `evidence`). Resolver o diretório real antes de escrever: usar\n`.devin\u002Fledgers\u002F\u003Cmelhoria>.md` quando o projeto o rastreia; se esse caminho for\nignorado ou houver convenção explícita, usar o diretório de ledgers rastreado e\nregistrar a decisão no próprio ledger.\n\n- Gate mínimo por passo: o que deve ser verdade, como verificar, e a evidência\n  produzida.\n- O ledger começa com `INPUT_REGISTER`, `SOURCE_REGISTER`, `VFS` e `SCOPE`.\n- Para a FASE 0: um gate para cada subpasso (0.1 a 0.7).\n- Para o LOOP: um gate para cada Passo 1 a Passo 10, quando aplicável.\n- Não avançar enquanto o gate atual tiver `EVIDENCE: pending`, vazio ou sem\n  comando reproduzível.\n- Antes da conclusão, reexecutar todos os gates executáveis; nenhum resultado\n  anterior ou relatório de worker substitui evidência fresca.\n\n## PRINCÍPIOS ANTI-TRAPAÇA (não negociáveis)\n\n| # | Princípio | Por quê | Fonte |\n|---|-----------|---------|-------|\n| A1 | **Evidência reproduzível** - toda falha citada deve incluir um comando ou tool-call exato que a reproduz | 25% das runs de autoaperfeiçoamento inventam falhas que nunca ocorreram (\"phantom guardrails\") | arXiv:2607.13083 |\n| A2 | **Validação held-out** - melhorias medidas apenas com testes escolhidos pelo agente são suspeitas; validar com `tests\u002Fheld-out\u002F` | 47-74% dos ganhos de autoaperfeiçoamento são ilusórios | ICLR 2026 Workshop |\n| A3 | **Verificar com ferramentas** - nunca deduzir estado; usar `read`, `exec`, `grep`, `glob` antes de afirmar | Deduções falham silenciosamente; tool output falha alto | Rule 17 |\n| A4 | **Sem guardrails fantasmas** - não inventar falhas; se não reproduz, não é padrão | - | Rule 15 |\n| A5 | **Métrica real, não proxy** - \"reduziu falhas por N\", \"mais rápido por Xs\"; não \"pareceu mais fácil\" | Proxies mascaram estagnação | arXiv:2607.25152 |\n\n---\n\n## FASE 0 - DEEP RESEARCH (antes do loop, obrigatória)\n\nPesquisa profunda em fontes verificadas antes de qualquer alteração.\nCada passo abaixo produz um output concreto; não avançar sem completar o anterior.\n\n### Contrato de gate da FASE 0 e do LOOP\n\nCada subpasso deve aparecer no ledger neste formato antes da execução:\n\n```text\nOUTCOME: \u003Cestado observável>\nCHECK: \u003Ccomando\u002Ftool-call exato>\nEXPECT: \u003Csaída, contagem ou exit code>\nEVIDENCE: pending\n```\n\nApós executar, substituir `pending` pelo trecho decisivo da saída e registrar\nexit code. Um output narrativo sem comando, fonte ou artefato não fecha o gate.\n\n### 0.1 - Pesquisar Devin CLI\n- `web_search` + `webfetch` em docs.devin.ai, github.com\u002Fcognition-ai\n- Confirmar: hooks, skills, subagents, config.json, lifecycle events\n- Registrar URL, título, seção lida e citação; não aceitar apenas o snippet do search.\n- Se a ferramenta estiver indisponível, registrar `BLOCKED` e não chamar a fonte\n  verificada sem declarar a limitação.\n- Output\u002Fgate: tabela de capacidades confirmadas, URLs e evidência de leitura.\n\n### 0.2 - Confirmar pela estrutura real\n- `exec`, `read`, `grep`, `glob` no bundle local\n- Verificar que o que a doc diz corresponde ao que está instalado\n- Registrar linhas, contagens, versões e mismatches; não substituir disco por memória.\n- Output\u002Fgate: tabela doc vs disco (`match`\u002F`mismatch`) com comando e saída.\n\n### 0.3 - Pesquisar fontes confiáveis (verificar, não assumir)\n- `web_search` por: arXiv papers, docs oficiais (z.ai, cognition.com, anthropic.com)\n- `webfetch` na fonte primária; ler diretamente o trecho usado.\n- Registrar domínio, autor, data, URL, seção e citação\u002Flinhas verificadas.\n- Rejeitar: blogs sem fonte primária, Medium posts sem citação, LLM-generated content.\n- Se só existir fonte secundária, marcar o claim como `unverified`; não usá-lo\n  como fundamento de uma alteração validada.\n- Output\u002Fgate: `SOURCE_REGISTER` com decisão por claim.\n\n### 0.4 - Pesquisar melhores práticas\n- Tópicos: prompt engineering para o modelo primário (`BUNDLE_DEFAULT_MODEL` \u002F\n  `data\u002Fbundle-models.json`), context window management (janelas em\n  `data\u002Fbundle-models.json`), subagent fan-out, cache stability, tool-use nativo,\n  lost-in-the-middle mitigation\n- Fontes prioritárias: arXiv, docs.z.ai, cognition.com\u002Fblog, docs.devin.ai\n- Mapear cada prática para um claim, fonte primária e proposta; não acumular\n  recomendações sem decidir `applied`, `deferred` ou `rejected`.\n- Output\u002Fgate: matriz prática → fonte → decisão → métrica\u002Fteste.\n\n### 0.5 - Não repetir erros anteriores (histórico do git)\n- `git log --oneline -30` + `git log --diff-filter=D --oneline -30`\n- Ler commits de fix\u002Frevert relevantes, incluindo diff e motivo.\n- Registrar hash, arquivo, falha reproduzida e lição; separar fato de inferência.\n- Output\u002Fgate: lista de erros passados com comando\u002Fcommit e lição aplicável.\n\n### 0.6 - Revisar estado atual\n- `git status --short` e `git diff --stat` antes de alterar.\n- `python audit.py` - capturar erros\u002Fwarnings atuais.\n- `python -m pytest tests\u002Fheld-out\u002F -q` e `python -m pytest -q` - baselines.\n- `read` nos arquivos-chave (AGENTS.md, docs\u002FMODEL-GUIDE.md, config.json).\n- Registrar versão, contagens, working tree e arquivos fora do escopo.\n- Output\u002Fgate: snapshot reproduzível do estado, não apenas “baseline OK”.\n\n### 0.7 - Sintetizar\n- Cruzar 0.1-0.6: doc × disco × práticas × histórico × `INPUT_REGISTER`.\n- Cada candidato recebe ID, falha\u002Fnecessidade, fonte, arquivos, VF, risco,\n  métrica e estado inicial.\n- Nenhum item fornecido pelo usuário ou descoberto durante a pesquisa pode\n  desaparecer da síntese.\n- Output\u002Fgate: lista priorizada e matriz de cobertura com todos os IDs.\n\n---\n\n## LOOP DE MELHORIA (10 passos, executar em ordem)\n\nBaseado em Constitutional AI (generate→critique→revise) + RISE (recursive\nintrospection) + Six-Step Reframing (NLP) + Deep Research (FASE 0).\n\n### Contrato de transição\n\nAntes de iniciar um passo, verificar no ledger que o passo anterior tem\n`EVIDENCE` preenchida. Cada mudança deve ser classificada antes da edição:\n`CHANGE_CLASS`: `doc-only`, `skill-only`, `script-behavior` ou `config`.\nMudanças de `script-behavior` e `config` exigem teste de regressão antes\u002Fdepois;\nmudanças documentais exigem validação estrutural, diff e rastreabilidade.\n\nCada passo deve registrar `OUTCOME`, `CHECK`, `EXPECT` e `EVIDENCE`. O passo 4\nnão pode alterar arquivo fora de `SCOPE`; o passo 9 não pode usar checkout\namplo nem apagar alterações não relacionadas.\n\n### Passo 1 - OBSERVAR (Verify, não deduzir)\nIdentificar uma falha **concreta e reproduzível** usando ferramentas.\n- `OUTCOME`: falha observada em estado real, com escopo e impacto.\n- `CHECK`: comando\u002Ftool-call exato que reproduz a falha (obrigatório).\n- `EXPECT`: saída e exit code observados, incluindo arquivo\u002Flinha quando possível.\n- `EVIDENCE`: registrar a saída crua no ledger.\n- Se não conseguir reproduzir → registrar `INCONCLUSIVO` e parar; não converter\n  hipótese em falha (A4).\n\n### Passo 2 - CRITICAR (Constitutional AI critique)\nAvaliar a falha contra os princípios do `AGENTS.md`.\n- `OUTCOME`: falha ligada a um ID do `INPUT_REGISTER` e a uma regra.\n- `CHECK`: leitura direta da regra e da fonte que fundamenta o requisito.\n- `EXPECT`: regra, comportamento atual, intenção positiva e contradição\n  registrados com linhas\u002FURL\u002Fpath.\n- `EVIDENCE`: registrar as citações lidas.\n- Pergunta-chave NLP (reframing): **\"Qual é a intenção positiva por trás\n  do comportamento atual?\"** Separar comportamento de intenção.\n  - Regra violada: `___`\n  - Comportamento atual: `___`\n  - Intenção positiva: `___`\n  - Por que o comportamento falha apesar da intenção: `___`\n\n### Passo 3 - GERAR ALTERNATIVAS (Reframe + Promptbreeder)\nGerar **no mínimo 3** comportamentos alternativos que:\n- Preservam a intenção positiva (A1)\n- Corrigem a falha reproduzível\n- Não introduzem nova violação de regra\n- Têm arquivo-alvo, risco, métrica e VF explícitos.\n\n`OUTCOME`: tabela completa e alternativa selecionada com justificativa.\n`CHECK`: comparar cada alternativa com `SCOPE`, regras e VFs.\n`EXPECT`: nenhuma alternativa depende de claim sem fonte ou teste.\n`EVIDENCE`: tabela e decisão no ledger.\n\n| Alt | Descrição | Arquivos | Risco | Métrica\u002FVF | Prob. de melhoria real |\n|-----|-----------|----------|-------|------------|------------------------|\n| 1   |           |          |       |            |                        |\n| 2   |           |          |       |            |                        |\n| 3   |           |          |       |            |                        |\n\n### Passo 4 - REVISAR (Revise)\nAplicar a alternativa com maior probabilidade de melhoria real.\n- `OUTCOME`: somente arquivos de `SCOPE` alterados, com patch mínimo.\n- `CHECK`: `git diff -- \u003Carquivos autorizados>` e teste RED quando houver\n  mudança de comportamento.\n- `EXPECT`: diff liga a falha, requisito, alternativa e VF; sem assinatura,\n  segredo, teste removido ou mudança não relacionada.\n- `EVIDENCE`: arquivos, diff, comando e exit code no ledger.\n- Não usar `git checkout` amplo, `reset --hard` ou exclusão de alterações de\n  terceiros. Reverter somente o patch próprio de forma direcionada.\n\n### Passo 5 - VALIDAR (Held-out, anti-trapaça A2)\n- `OUTCOME`: comportamento alterado passa nos VFs e não regrede no conjunto\n  independente.\n- `CHECK`: teste específico\u002Fregressão; `python -m pytest tests\u002Fheld-out\u002F -q`\n  quando existir; `python scripts\u002Fvalidate-refinement-evidence.py` quando\n  houver log de refinamento.\n- `EXPECT`: comandos, exit codes e contagens registradas separadamente.\n- `EVIDENCE`: saída crua no ledger.\n- Se held-out falhar → **descartar somente o patch próprio**, voltar ao Passo 3.\n- Se held-out não existir → estado obrigatório `não_validada`\u002F`INCONCLUSIVO`,\n  nunca `validada` ou `MELHOROU`.\n\n### Passo 6 - FUTURE PACE (NLP)\nProjetar a melhoria em 3 cenários futuros hipotéticos:\n- `OUTCOME`: matriz de cenário, comportamento esperado, métrica e resultado.\n- `CHECK`: confrontar cada cenário com o requisito e a fonte correspondente.\n- `EXPECT`: pelo menos 2\u002F3 cenários beneficiados, ou estado `NEUTRO`\u002F\n  `INCONCLUSIVO` com justificativa.\n- `EVIDENCE`: matriz no ledger; não aceitar “ajuda” sem critério observável.\n\n### Passo 7 - ECOLOGICAL CHECK (NLP)\nVerificar efeitos colaterais em todos os componentes afetados:\n- `CHECK`: diff, `AGENTS.md`, skills\u002Fhooks\u002Fscripts relacionados, contexto,\n  instalação e segurança.\n- `EXPECT`: matriz com cada área marcada `sem impacto` ou com evidência e\n  correção correspondente.\n- `EVIDENCE`: matriz e comandos no ledger.\n- Se efeito colateral negativo → voltar ao Passo 3.\n\n### Passo 8 - SIMULAR (Self-evaluation)\nSimular o carregamento das melhorias e avaliar o próprio desempenho.\n- `OUTCOME`: live configuration só muda após revisão explícita do diff e do\n  escopo.\n- `CHECK`: primeiro dry-run; instalar com `-Force` apenas se autorizado pelo\n  contrato da sessão; depois `python audit.py`, testes e leitura do estado live.\n- `EXPECT`: instalação, audit e testes com saída\u002Fexit code; nenhum segredo em\n  output; nenhuma chamada a subagente quando `DELEGATION=disabled`.\n- Auto-avaliação: **como isso modifica minha lógica e meu modo operante na prática?**\n  - Que comportamento muda quando esta regra\u002Fskill\u002Fhook é carregada?\n  - Que cenário real executaria de forma diferente agora?\n  - Há conflito com comportamentos já otimizados para os modelos configurados (`BUNDLE_*_MODEL` \u002F `data\u002Fbundle-models.json`)?\n- `EVIDENCE`: impacto observado, não apenas previsto, no ledger.\n\n### Passo 9 - CLASSIFICAR (Melhorou ou piorou?)\nClassificar o resultado com descrição para definir direção.\n- `CHECK`: comparar métrica real do Passo 5 com baseline da FASE 0.6.\n- `EXPECT`: baseline, pós-estado, delta, unidade, tamanho da amostra e\n  comando-fonte registrados; claims qualitativos ficam `INCONCLUSIVOS`.\n- Classificação obrigatória (uma opção):\n\n| Classe | Critério | Ação |\n|--------|----------|-------|\n| **MELHOROU** | Métrica real melhorou + held-out passou + sem efeitos colaterais | Repetir loop com próxima candidata |\n| **PIOROU** | Métrica regrediu OU held-out falhou OU efeito colateral negativo | Reverter apenas o patch próprio com edição direcionada; voltar ao Passo 3 |\n| **NEUTRO** | Métrica inalterada + held-out passou + sem efeitos colaterais | Registrar estagnação e tentar próxima candidata |\n| **INCONCLUSIVO** | Não foi possível medir impacto real, validar fonte ou executar held-out | Não declarar melhoria; manter ou descartar somente com decisão registrada |\n\n- `EVIDENCE`: classe, números e justificativa no ledger.\n- `MELHOROU` exige held-out; sem held-out o máximo é `INCONCLUSIVO`.\n\n### Passo 10 - REPETIR OU CONVERGIR\n- `CHECK`: comparar `INPUT_REGISTER`, `SOURCE_REGISTER`, candidatos da FASE 0.7\n  e estados do ledger.\n- Se classificado **MELHOROU** ou **NEUTRO**: voltar ao Passo 1 com a próxima\n  melhoria candidata da síntese.\n- Se classificado **PIOROU**: reverter somente o patch próprio no Passo 9 e\n  voltar ao Passo 3 com alternativa diferente.\n- Se classificado **INCONCLUSIVO**: registrar o bloqueio e não promover o item.\n- **Critério de parada**: todos os inputs e candidatos têm estado final\n  (`applied`, `deferred`, `rejected` ou `blocked`), cada estado tem evidência,\n  e nenhuma falha reproduzível pendente permanece. Isso é convergência do\n  conjunto medido, não uma afirmação de optimalidade do modelo.\n- **NÃO dar push ou commit** - mudanças ficam locais para revisão do usuário.\n\n---\n\n## ANTI EARLY-STOP REFLECTION (DORA)\n\nA reflexão **não para** na primeira iteração sem melhoria.\n\n- Iteração sem melhoria → **reformular o prompt de reflexão** antes de parar.\n- Reformulação: mudar o ângulo de crítica (ex: de \"o que falhou\" para\n  \"o que o agente assumiu sem verificar\").\n- Máximo 3 reformulações. Após 3 sem melhoria → parar e registrar estagnação.\n- Estagnação registrada é dado, não falha (arXiv:2607.25152).\n\n---\n\n## CHECKLIST FINAL (antes de declarar melhoria)\n\n- [ ] Contrato da sessão registrado: `DELEGATION`, `INPUT_REGISTER`, `SOURCE_REGISTER`, `VFS` e `SCOPE`.\n- [ ] FASE 0 completa; cada subpasso tem comando, expect e evidência.\n- [ ] Fontes primárias lidas diretamente; claims secundários marcados como não verificados.\n- [ ] Falha reproduzida com comando exato (A1), ou estado `INCONCLUSIVO`.\n- [ ] Intenção positiva separada do comportamento (NLP).\n- [ ] 3+ alternativas geradas com risco, arquivo, métrica e VF.\n- [ ] TDD\u002Fregressão aplicado conforme o tipo da mudança.\n- [ ] Held-out validado, ou estado explicitamente `não_validada`\u002F`INCONCLUSIVO` (A2).\n- [ ] Future pace: matriz com critério; ≥2\u002F3 cenários beneficiados.\n- [ ] Ecological check: matriz completa sem efeitos colaterais negativos.\n- [ ] Simulação segura: dry-run\u002Frevisão; install só quando autorizado; audit\u002Ftestes executados.\n- [ ] Classificação atribuída com baseline, pós-estado, delta e unidade.\n- [ ] Todos os IDs de input, fonte e candidato têm disposição final e evidência.\n- [ ] `git diff --check`, `check-ai-signature.py` e secret scan executados.\n- [ ] Nenhuma regra anti-trapaça ou restrição do usuário violada.\n- [ ] Nenhum push ou commit feito pela skill.\n\n**Se qualquer item falhar → a melhoria NÃO está completa. Registrar o bloqueio\nno ledger; não preencher a lacuna com suposição ou resumo.**\n\n---\n\n## FORMATO DE SAÍDA\n\n```\nMELHORIA: \u003Ctítulo + ID>\nLEDGER: \u003Cpath rastreável>\nDELEGATION: \u003Cdisabled|authorized + evidence>\nINPUT_COVERAGE: \u003CIDs e estados finais>\nSOURCE_REGISTER: \u003CURLs\u002Fpaths + citações verificadas>\nFASE0_RESEARCH: \u003Cgates 0.1–0.7 + evidência>\nVFS: \u003Ccada comando + expect + resultado>\nFALHA_REPRODUZIDA: \u003Ccomando> → \u003Csaída\u002Fexit code>\nREGRA_VIOLADA: \u003CRule # ou none>\nINTENÇÃO_POSITIVA: \u003Ctexto>\nALTERNATIVA_APLICADA: \u003C#> de \u003CN>\nHELD_OUT: \u003Cpassou|falhou|inexistente + contagem>\nSIMULAÇÃO: \u003Cdry-run\u002Finstall autorizado? audit? testes? impacto observado>\nMÉTRICA_REAL: \u003Cbaseline → pós-estado, delta, unidade, amostra>\nCLASSIFICAÇÃO: \u003CMELHOROU|PIOROU|NEUTRO|INCONCLUSIVO>\nESTADO: \u003Cvalidada|não_validada|estagnada|revertida|bloqueada>\nARQUIVOS_ALTERADOS: \u003Clista dentro de SCOPE>\nPUSH_COMMIT: \u003Cnão feito>\n```\n\n## Cross-skills\n\n- `adaptive-agenda-calendar-routine-engine` schedules kaizen sessions as Stage 5 close blocks with handoff artifacts between blocks.\n","# Directiva de Melhoria Contínua\n\n> Prompt-meta: injetar no início de cada sessão de autoaperfeiçoamento.\n> Fontes: Constitutional AI (Anthropic 2022), RISE (arXiv:2407.18219),\n> DORA (COLING 2025), Six-Step Reframing (Bandler\u002FGrinder, Satir),\n> Rules 15-17 (reproducibilidade, held-out, verify-with-tools),\n> Deep Research workflow (Devin CLI docs + AI lab best practices).\n\n---\n\n## CONTRATO DA SESSÃO (antes da FASE 0)\n\nCriar o ledger antes de pesquisar ou editar. Registrar nele:\n\n- `DELEGATION`: `disabled` se o usuário não autorizou subagentes; nesse modo não\n  usar `run_subagent`, `read_subagent` nem skills com `subagent`\u002F`agent`.\n- `INPUT_REGISTER`: cada pedido do usuário, arquivo citado, fonte, regra,\n  candidato e recomendação recebe um ID e uma origem verificável.\n- `SOURCE_REGISTER`: cada fonte recebe URL\u002Fpath, autor\u002Fdata quando disponíveis,\n  trecho ou linhas lidas diretamente, e decisão `accepted`\u002F`rejected`.\n- `VFS`: cada mudança recebe um comando, resultado esperado e local da evidência\n  antes da primeira edição.\n- `SCOPE`: arquivos autorizados; alterações fora da lista exigem nova entrada e\n  gate próprio.\n\nNenhum item pode desaparecer por compactação, handoff ou mudança de skill.\nAntes de declarar a melhoria, cada ID deve estar `applied`, `deferred` ou\n`rejected`, com motivo e evidência. A síntese em\n`.devin\u002Fnotes\u002Fextraction-3texts\u002Fcontinuous-improvement-review.md` define as\nlacunas verificadas nesta versão.\n\n## OBJETIVO (único, claro, mensurável)\n\n**Melhorar continuamente o comportamento, o escopo e a eficácia deste agente,\ncom permissão para alterar qualquer arquivo de configuração, regra, hook,\nskill, script ou prompt - sem trapacear para demonstrar melhoria.**\n\n\"Melhoria\" = redução reproduzível de falhas reais, validada por testes\nindependentes (held-out), não por testes escolhidos pelo próprio agente.\n\n**Critério de convergência**: atingir a conjuntura ótima de operação para\no modelo primário do bundle (`BUNDLE_DEFAULT_MODEL` \u002F `data\u002Fbundle-models.json`,\n`default_parent_model`) e o subagent padrão (`BUNDLE_MAX_MODEL` \u002F\n`BUNDLE_MEDIUM_MODEL` \u002F `data\u002Fbundle-models.json`, `max_role_model` \u002F\n`medium_role_model`) - segundo fontes verificadas (docs.devin.ai, cognition.com,\nz.ai, laboratórios de AI) e experiência prática registrada no histórico do bundle.\n\n**NÃO dar push ou commit.** Todas as mudanças ficam locais para validação.\n\n---\n\n## PERMISSIVIDADE (o que pode alterar)\n\nPode alterar **tudo** no bundle para atingir o objetivo:\n- `AGENTS.md`, `config.json`, `hooks.v1.json`, `mcp_config.json`\n- `scripts\u002F*.py` (hooks, validadores, gates)\n- `.devin\u002Fskills\u002F*\u002FSKILL.md`\n- Prompts, regras, diretivas (incluindo este arquivo)\n\n**Não pode alterar (anti-trapaça, não negociável):**\n- Os princípios anti-trapaça abaixo (auto-referência proibida)\n- `tests\u002Fheld-out\u002F` (se existir - o agente não pode ver\u002Fescrever estes testes)\n- Segredos: usar, nunca exibir\n- Assinaturas de IA em deliverables (Rule 2)\n\n---\n\n## Ledger com `unlazy`\n\nEste processo é um alvo natural de preguiça do agente (muitos passos,\ndocumentação, tendência a declarar feito sem evidência). Invocar o skill\n`unlazy` no início cria um ledger rastreável com gates (`outcome`, `check`,\n`expect`, `evidence`). Resolver o diretório real antes de escrever: usar\n`.devin\u002Fledgers\u002F\u003Cmelhoria>.md` quando o projeto o rastreia; se esse caminho for\nignorado ou houver convenção explícita, usar o diretório de ledgers rastreado e\nregistrar a decisão no próprio ledger.\n\n- Gate mínimo por passo: o que deve ser verdade, como verificar, e a evidência\n  produzida.\n- O ledger começa com `INPUT_REGISTER`, `SOURCE_REGISTER`, `VFS` e `SCOPE`.\n- Para a FASE 0: um gate para cada subpasso (0.1 a 0.7).\n- Para o LOOP: um gate para cada Passo 1 a Passo 10, quando aplicável.\n- Não avançar enquanto o gate atual tiver `EVIDENCE: pending`, vazio ou sem\n  comando reproduzível.\n- Antes da conclusão, reexecutar todos os gates executáveis; nenhum resultado\n  anterior ou relatório de worker substitui evidência fresca.\n\n## PRINCÍPIOS ANTI-TRAPAÇA (não negociáveis)\n\n| # | Princípio | Por quê | Fonte |\n|---|-----------|---------|-------|\n| A1 | **Evidência reproduzível** - toda falha citada deve incluir um comando ou tool-call exato que a reproduz | 25% das runs de autoaperfeiçoamento inventam falhas que nunca ocorreram (\"phantom guardrails\") | arXiv:2607.13083 |\n| A2 | **Validação held-out** - melhorias medidas apenas com testes escolhidos pelo agente são suspeitas; validar com `tests\u002Fheld-out\u002F` | 47-74% dos ganhos de autoaperfeiçoamento são ilusórios | ICLR 2026 Workshop |\n| A3 | **Verificar com ferramentas** - nunca deduzir estado; usar `read`, `exec`, `grep`, `glob` antes de afirmar | Deduções falham silenciosamente; tool output falha alto | Rule 17 |\n| A4 | **Sem guardrails fantasmas** - não inventar falhas; se não reproduz, não é padrão | - | Rule 15 |\n| A5 | **Métrica real, não proxy** - \"reduziu falhas por N\", \"mais rápido por Xs\"; não \"pareceu mais fácil\" | Proxies mascaram estagnação | arXiv:2607.25152 |\n\n---\n\n## FASE 0 - DEEP RESEARCH (antes do loop, obrigatória)\n\nPesquisa profunda em fontes verificadas antes de qualquer alteração.\nCada passo abaixo produz um output concreto; não avançar sem completar o anterior.\n\n### Contrato de gate da FASE 0 e do LOOP\n\nCada subpasso deve aparecer no ledger neste formato antes da execução:\n\n```text\nOUTCOME: \u003Cestado observável>\nCHECK: \u003Ccomando\u002Ftool-call exato>\nEXPECT: \u003Csaída, contagem ou exit code>\nEVIDENCE: pending\n```\n\nApós executar, substituir `pending` pelo trecho decisivo da saída e registrar\nexit code. Um output narrativo sem comando, fonte ou artefato não fecha o gate.\n\n### 0.1 - Pesquisar Devin CLI\n- `web_search` + `webfetch` em docs.devin.ai, github.com\u002Fcognition-ai\n- Confirmar: hooks, skills, subagents, config.json, lifecycle events\n- Registrar URL, título, seção lida e citação; não aceitar apenas o snippet do search.\n- Se a ferramenta estiver indisponível, registrar `BLOCKED` e não chamar a fonte\n  verificada sem declarar a limitação.\n- Output\u002Fgate: tabela de capacidades confirmadas, URLs e evidência de leitura.\n\n### 0.2 - Confirmar pela estrutura real\n- `exec`, `read`, `grep`, `glob` no bundle local\n- Verificar que o que a doc diz corresponde ao que está instalado\n- Registrar linhas, contagens, versões e mismatches; não substituir disco por memória.\n- Output\u002Fgate: tabela doc vs disco (`match`\u002F`mismatch`) com comando e saída.\n\n### 0.3 - Pesquisar fontes confiáveis (verificar, não assumir)\n- `web_search` por: arXiv papers, docs oficiais (z.ai, cognition.com, anthropic.com)\n- `webfetch` na fonte primária; ler diretamente o trecho usado.\n- Registrar domínio, autor, data, URL, seção e citação\u002Flinhas verificadas.\n- Rejeitar: blogs sem fonte primária, Medium posts sem citação, LLM-generated content.\n- Se só existir fonte secundária, marcar o claim como `unverified`; não usá-lo\n  como fundamento de uma alteração validada.\n- Output\u002Fgate: `SOURCE_REGISTER` com decisão por claim.\n\n### 0.4 - Pesquisar melhores práticas\n- Tópicos: prompt engineering para o modelo primário (`BUNDLE_DEFAULT_MODEL` \u002F\n  `data\u002Fbundle-models.json`), context window management (janelas em\n  `data\u002Fbundle-models.json`), subagent fan-out, cache stability, tool-use nativo,\n  lost-in-the-middle mitigation\n- Fontes prioritárias: arXiv, docs.z.ai, cognition.com\u002Fblog, docs.devin.ai\n- Mapear cada prática para um claim, fonte primária e proposta; não acumular\n  recomendações sem decidir `applied`, `deferred` ou `rejected`.\n- Output\u002Fgate: matriz prática → fonte → decisão → métrica\u002Fteste.\n\n### 0.5 - Não repetir erros anteriores (histórico do git)\n- `git log --oneline -30` + `git log --diff-filter=D --oneline -30`\n- Ler commits de fix\u002Frevert relevantes, incluindo diff e motivo.\n- Registrar hash, arquivo, falha reproduzida e lição; separar fato de inferência.\n- Output\u002Fgate: lista de erros passados com comando\u002Fcommit e lição aplicável.\n\n### 0.6 - Revisar estado atual\n- `git status --short` e `git diff --stat` antes de alterar.\n- `python audit.py` - capturar erros\u002Fwarnings atuais.\n- `python -m pytest tests\u002Fheld-out\u002F -q` e `python -m pytest -q` - baselines.\n- `read` nos arquivos-chave (AGENTS.md, docs\u002FMODEL-GUIDE.md, config.json).\n- Registrar versão, contagens, working tree e arquivos fora do escopo.\n- Output\u002Fgate: snapshot reproduzível do estado, não apenas “baseline OK”.\n\n### 0.7 - Sintetizar\n- Cruzar 0.1-0.6: doc × disco × práticas × histórico × `INPUT_REGISTER`.\n- Cada candidato recebe ID, falha\u002Fnecessidade, fonte, arquivos, VF, risco,\n  métrica e estado inicial.\n- Nenhum item fornecido pelo usuário ou descoberto durante a pesquisa pode\n  desaparecer da síntese.\n- Output\u002Fgate: lista priorizada e matriz de cobertura com todos os IDs.\n\n---\n\n## LOOP DE MELHORIA (10 passos, executar em ordem)\n\nBaseado em Constitutional AI (generate→critique→revise) + RISE (recursive\nintrospection) + Six-Step Reframing (NLP) + Deep Research (FASE 0).\n\n### Contrato de transição\n\nAntes de iniciar um passo, verificar no ledger que o passo anterior tem\n`EVIDENCE` preenchida. Cada mudança deve ser classificada antes da edição:\n`CHANGE_CLASS`: `doc-only`, `skill-only`, `script-behavior` ou `config`.\nMudanças de `script-behavior` e `config` exigem teste de regressão antes\u002Fdepois;\nmudanças documentais exigem validação estrutural, diff e rastreabilidade.\n\nCada passo deve registrar `OUTCOME`, `CHECK`, `EXPECT` e `EVIDENCE`. O passo 4\nnão pode alterar arquivo fora de `SCOPE`; o passo 9 não pode usar checkout\namplo nem apagar alterações não relacionadas.\n\n### Passo 1 - OBSERVAR (Verify, não deduzir)\nIdentificar uma falha **concreta e reproduzível** usando ferramentas.\n- `OUTCOME`: falha observada em estado real, com escopo e impacto.\n- `CHECK`: comando\u002Ftool-call exato que reproduz a falha (obrigatório).\n- `EXPECT`: saída e exit code observados, incluindo arquivo\u002Flinha quando possível.\n- `EVIDENCE`: registrar a saída crua no ledger.\n- Se não conseguir reproduzir → registrar `INCONCLUSIVO` e parar; não converter\n  hipótese em falha (A4).\n\n### Passo 2 - CRITICAR (Constitutional AI critique)\nAvaliar a falha contra os princípios do `AGENTS.md`.\n- `OUTCOME`: falha ligada a um ID do `INPUT_REGISTER` e a uma regra.\n- `CHECK`: leitura direta da regra e da fonte que fundamenta o requisito.\n- `EXPECT`: regra, comportamento atual, intenção positiva e contradição\n  registrados com linhas\u002FURL\u002Fpath.\n- `EVIDENCE`: registrar as citações lidas.\n- Pergunta-chave NLP (reframing): **\"Qual é a intenção positiva por trás\n  do comportamento atual?\"** Separar comportamento de intenção.\n  - Regra violada: `___`\n  - Comportamento atual: `___`\n  - Intenção positiva: `___`\n  - Por que o comportamento falha apesar da intenção: `___`\n\n### Passo 3 - GERAR ALTERNATIVAS (Reframe + Promptbreeder)\nGerar **no mínimo 3** comportamentos alternativos que:\n- Preservam a intenção positiva (A1)\n- Corrigem a falha reproduzível\n- Não introduzem nova violação de regra\n- Têm arquivo-alvo, risco, métrica e VF explícitos.\n\n`OUTCOME`: tabela completa e alternativa selecionada com justificativa.\n`CHECK`: comparar cada alternativa com `SCOPE`, regras e VFs.\n`EXPECT`: nenhuma alternativa depende de claim sem fonte ou teste.\n`EVIDENCE`: tabela e decisão no ledger.\n\n| Alt | Descrição | Arquivos | Risco | Métrica\u002FVF | Prob. de melhoria real |\n|-----|-----------|----------|-------|------------|------------------------|\n| 1   |           |          |       |            |                        |\n| 2   |           |          |       |            |                        |\n| 3   |           |          |       |            |                        |\n\n### Passo 4 - REVISAR (Revise)\nAplicar a alternativa com maior probabilidade de melhoria real.\n- `OUTCOME`: somente arquivos de `SCOPE` alterados, com patch mínimo.\n- `CHECK`: `git diff -- \u003Carquivos autorizados>` e teste RED quando houver\n  mudança de comportamento.\n- `EXPECT`: diff liga a falha, requisito, alternativa e VF; sem assinatura,\n  segredo, teste removido ou mudança não relacionada.\n- `EVIDENCE`: arquivos, diff, comando e exit code no ledger.\n- Não usar `git checkout` amplo, `reset --hard` ou exclusão de alterações de\n  terceiros. Reverter somente o patch próprio de forma direcionada.\n\n### Passo 5 - VALIDAR (Held-out, anti-trapaça A2)\n- `OUTCOME`: comportamento alterado passa nos VFs e não regrede no conjunto\n  independente.\n- `CHECK`: teste específico\u002Fregressão; `python -m pytest tests\u002Fheld-out\u002F -q`\n  quando existir; `python scripts\u002Fvalidate-refinement-evidence.py` quando\n  houver log de refinamento.\n- `EXPECT`: comandos, exit codes e contagens registradas separadamente.\n- `EVIDENCE`: saída crua no ledger.\n- Se held-out falhar → **descartar somente o patch próprio**, voltar ao Passo 3.\n- Se held-out não existir → estado obrigatório `não_validada`\u002F`INCONCLUSIVO`,\n  nunca `validada` ou `MELHOROU`.\n\n### Passo 6 - FUTURE PACE (NLP)\nProjetar a melhoria em 3 cenários futuros hipotéticos:\n- `OUTCOME`: matriz de cenário, comportamento esperado, métrica e resultado.\n- `CHECK`: confrontar cada cenário com o requisito e a fonte correspondente.\n- `EXPECT`: pelo menos 2\u002F3 cenários beneficiados, ou estado `NEUTRO`\u002F\n  `INCONCLUSIVO` com justificativa.\n- `EVIDENCE`: matriz no ledger; não aceitar “ajuda” sem critério observável.\n\n### Passo 7 - ECOLOGICAL CHECK (NLP)\nVerificar efeitos colaterais em todos os componentes afetados:\n- `CHECK`: diff, `AGENTS.md`, skills\u002Fhooks\u002Fscripts relacionados, contexto,\n  instalação e segurança.\n- `EXPECT`: matriz com cada área marcada `sem impacto` ou com evidência e\n  correção correspondente.\n- `EVIDENCE`: matriz e comandos no ledger.\n- Se efeito colateral negativo → voltar ao Passo 3.\n\n### Passo 8 - SIMULAR (Self-evaluation)\nSimular o carregamento das melhorias e avaliar o próprio desempenho.\n- `OUTCOME`: live configuration só muda após revisão explícita do diff e do\n  escopo.\n- `CHECK`: primeiro dry-run; instalar com `-Force` apenas se autorizado pelo\n  contrato da sessão; depois `python audit.py`, testes e leitura do estado live.\n- `EXPECT`: instalação, audit e testes com saída\u002Fexit code; nenhum segredo em\n  output; nenhuma chamada a subagente quando `DELEGATION=disabled`.\n- Auto-avaliação: **como isso modifica minha lógica e meu modo operante na prática?**\n  - Que comportamento muda quando esta regra\u002Fskill\u002Fhook é carregada?\n  - Que cenário real executaria de forma diferente agora?\n  - Há conflito com comportamentos já otimizados para os modelos configurados (`BUNDLE_*_MODEL` \u002F `data\u002Fbundle-models.json`)?\n- `EVIDENCE`: impacto observado, não apenas previsto, no ledger.\n\n### Passo 9 - CLASSIFICAR (Melhorou ou piorou?)\nClassificar o resultado com descrição para definir direção.\n- `CHECK`: comparar métrica real do Passo 5 com baseline da FASE 0.6.\n- `EXPECT`: baseline, pós-estado, delta, unidade, tamanho da amostra e\n  comando-fonte registrados; claims qualitativos ficam `INCONCLUSIVOS`.\n- Classificação obrigatória (uma opção):\n\n| Classe | Critério | Ação |\n|--------|----------|-------|\n| **MELHOROU** | Métrica real melhorou + held-out passou + sem efeitos colaterais | Repetir loop com próxima candidata |\n| **PIOROU** | Métrica regrediu OU held-out falhou OU efeito colateral negativo | Reverter apenas o patch próprio com edição direcionada; voltar ao Passo 3 |\n| **NEUTRO** | Métrica inalterada + held-out passou + sem efeitos colaterais | Registrar estagnação e tentar próxima candidata |\n| **INCONCLUSIVO** | Não foi possível medir impacto real, validar fonte ou executar held-out | Não declarar melhoria; manter ou descartar somente com decisão registrada |\n\n- `EVIDENCE`: classe, números e justificativa no ledger.\n- `MELHOROU` exige held-out; sem held-out o máximo é `INCONCLUSIVO`.\n\n### Passo 10 - REPETIR OU CONVERGIR\n- `CHECK`: comparar `INPUT_REGISTER`, `SOURCE_REGISTER`, candidatos da FASE 0.7\n  e estados do ledger.\n- Se classificado **MELHOROU** ou **NEUTRO**: voltar ao Passo 1 com a próxima\n  melhoria candidata da síntese.\n- Se classificado **PIOROU**: reverter somente o patch próprio no Passo 9 e\n  voltar ao Passo 3 com alternativa diferente.\n- Se classificado **INCONCLUSIVO**: registrar o bloqueio e não promover o item.\n- **Critério de parada**: todos os inputs e candidatos têm estado final\n  (`applied`, `deferred`, `rejected` ou `blocked`), cada estado tem evidência,\n  e nenhuma falha reproduzível pendente permanece. Isso é convergência do\n  conjunto medido, não uma afirmação de optimalidade do modelo.\n- **NÃO dar push ou commit** - mudanças ficam locais para revisão do usuário.\n\n---\n\n## ANTI EARLY-STOP REFLECTION (DORA)\n\nA reflexão **não para** na primeira iteração sem melhoria.\n\n- Iteração sem melhoria → **reformular o prompt de reflexão** antes de parar.\n- Reformulação: mudar o ângulo de crítica (ex: de \"o que falhou\" para\n  \"o que o agente assumiu sem verificar\").\n- Máximo 3 reformulações. Após 3 sem melhoria → parar e registrar estagnação.\n- Estagnação registrada é dado, não falha (arXiv:2607.25152).\n\n---\n\n## CHECKLIST FINAL (antes de declarar melhoria)\n\n- [ ] Contrato da sessão registrado: `DELEGATION`, `INPUT_REGISTER`, `SOURCE_REGISTER`, `VFS` e `SCOPE`.\n- [ ] FASE 0 completa; cada subpasso tem comando, expect e evidência.\n- [ ] Fontes primárias lidas diretamente; claims secundários marcados como não verificados.\n- [ ] Falha reproduzida com comando exato (A1), ou estado `INCONCLUSIVO`.\n- [ ] Intenção positiva separada do comportamento (NLP).\n- [ ] 3+ alternativas geradas com risco, arquivo, métrica e VF.\n- [ ] TDD\u002Fregressão aplicado conforme o tipo da mudança.\n- [ ] Held-out validado, ou estado explicitamente `não_validada`\u002F`INCONCLUSIVO` (A2).\n- [ ] Future pace: matriz com critério; ≥2\u002F3 cenários beneficiados.\n- [ ] Ecological check: matriz completa sem efeitos colaterais negativos.\n- [ ] Simulação segura: dry-run\u002Frevisão; install só quando autorizado; audit\u002Ftestes executados.\n- [ ] Classificação atribuída com baseline, pós-estado, delta e unidade.\n- [ ] Todos os IDs de input, fonte e candidato têm disposição final e evidência.\n- [ ] `git diff --check`, `check-ai-signature.py` e secret scan executados.\n- [ ] Nenhuma regra anti-trapaça ou restrição do usuário violada.\n- [ ] Nenhum push ou commit feito pela skill.\n\n**Se qualquer item falhar → a melhoria NÃO está completa. Registrar o bloqueio\nno ledger; não preencher a lacuna com suposição ou resumo.**\n\n---\n\n## FORMATO DE SAÍDA\n\n```\nMELHORIA: \u003Ctítulo + ID>\nLEDGER: \u003Cpath rastreável>\nDELEGATION: \u003Cdisabled|authorized + evidence>\nINPUT_COVERAGE: \u003CIDs e estados finais>\nSOURCE_REGISTER: \u003CURLs\u002Fpaths + citações verificadas>\nFASE0_RESEARCH: \u003Cgates 0.1–0.7 + evidência>\nVFS: \u003Ccada comando + expect + resultado>\nFALHA_REPRODUZIDA: \u003Ccomando> → \u003Csaída\u002Fexit code>\nREGRA_VIOLADA: \u003CRule # ou none>\nINTENÇÃO_POSITIVA: \u003Ctexto>\nALTERNATIVA_APLICADA: \u003C#> de \u003CN>\nHELD_OUT: \u003Cpassou|falhou|inexistente + contagem>\nSIMULAÇÃO: \u003Cdry-run\u002Finstall autorizado? audit? testes? impacto observado>\nMÉTRICA_REAL: \u003Cbaseline → pós-estado, delta, unidade, amostra>\nCLASSIFICAÇÃO: \u003CMELHOROU|PIOROU|NEUTRO|INCONCLUSIVO>\nESTADO: \u003Cvalidada|não_validada|estagnada|revertida|bloqueada>\nARQUIVOS_ALTERADOS: \u003Clista dentro de SCOPE>\nPUSH_COMMIT: \u003Cnão feito>\n```\n\n## Cross-skills\n\n- `adaptive-agenda-calendar-routine-engine` schedules kaizen sessions as Stage 5 close blocks with handoff artifacts between blocks.\n",{"name":5,"version":24,"triggers":25,"description":7},"1.1.0",[26,27],"user","model","main","0032dd465157e15d3ddd16afb75f4fe2dc1a356c","skills\u002Fcontinuous-improvement",1,"https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle","https:\u002F\u002Fleostruka.github.io\u002Fdevin-bundle\u002F","https:\u002F\u002Fgithub.com\u002FLeostruka","2026-11-15 05:19:58",{"source":8,"skillName":5,"commands":37,"prompt":47,"zipAvailable":48},[38,41,44],{"tool":39,"command":40},"npx","npx skills add Leostruka\u002Fdevin-bundle --skill continuous-improvement",{"tool":42,"command":43},"bunx","bunx skills add Leostruka\u002Fdevin-bundle --skill continuous-improvement",{"tool":45,"command":46},"pnpm","pnpm dlx skills add Leostruka\u002Fdevin-bundle --skill continuous-improvement","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Fskills\u002Fcontinuous-improvement\u002FSKILL.md",true,[],[51,58,65,72,79,86],{"skillNo":52,"name":53,"nameZh":6,"description":54,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":55,"categories":56,"keywords":57,"publishedAt":19},"01M7E0K3MG2XC4FSRV0MK6SFR1","montador-de-ideias","Use when assembling, expanding, or elevating a raw project idea or initial prompt into an ultra-detailed, first-principles dossier and compiled master prompt with journalistic OSINT market research, Tech Lead and Staff Architect justifications, atomic and modular hardening\u002Foptimization, and high-impact contact surfaces.","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Fskills\u002Fmontador-de-ideias\u002FSKILL.md",[],[],{"skillNo":59,"name":60,"nameZh":6,"description":61,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":62,"categories":63,"keywords":64,"publishedAt":19},"01M7E0J7JJWZ8QMK01RZ3B3C9Z","git-github-adaptive-engineering","Use when any task touches git history, GitHub issues\u002FPRs\u002Freleases\u002FCI, repo governance, or branch and merge decisions. Runs the Fase Zero situational-awareness battery, picks one of five delivery flows via the adaptive decision engine, and enforces commit\u002FPR information-density standards. Orchestrates the gh, git-workflows, github-actions, pr, and debug\u002Ffinish skills.","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Fskills\u002Fgit-github-adaptive-engineering\u002FSKILL.md",[],[],{"skillNo":66,"name":67,"nameZh":6,"description":68,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":69,"categories":70,"keywords":71,"publishedAt":19},"01M7E0GJFRPFEVQQMXEM58EWDM","adaptive-agenda-calendar-routine-engine","Use when planning or executing work across hours, days, weeks, or sprints. Turns the calendar into a strict time-blocked agenda (HH:MM-HH:MM blocks carrying a routine profile, expected inputs, and a handoff output artifact), runs the 5-stage cognitive flow (Radar and Hunt -> Triage plus Steve Jobs conception -> workbench manifest -> >=32-cycle loop -> Close plus Open-Minded Scrum), and unfolds macro calendar milestones into micro agenda blocks through extensions\u002Fgcal\u002Fwrapper.py.","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Fskills\u002Fadaptive-agenda-calendar-routine-engine\u002FSKILL.md",[],[],{"skillNo":73,"name":74,"nameZh":6,"description":75,"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},"01M7AE2K9FTY0BVS48N0A9JFKF","demo","Use when demonstrating a skill in a fixture project.","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Ftests\u002Ffixtures\u002Fdevin-config\u002Fproject\u002F.devin\u002Fskills\u002Fdemo\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},"01M7AE2G3DP38PTV3B1N7MW5TS","duplicate-skill","Use when testing duplicate skill name detection.","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Ftests\u002Ffixtures\u002Fdevin-config\u002Fproject\u002F.devin\u002Fskills\u002Fbeta\u002FSKILL.md",[],[],{"skillNo":87,"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":88,"categories":89,"keywords":90,"publishedAt":19},"01M7AE2DBR8ZHT6T875MJ392GK","https:\u002F\u002Fgithub.com\u002FLeostruka\u002Fdevin-bundle\u002Fblob\u002Fmain\u002Ftests\u002Ffixtures\u002Fdevin-config\u002Fproject\u002F.devin\u002Fskills\u002Falpha\u002FSKILL.md",[],[]]