[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7EX44B228TYKK8W29345MHK":3,"skill-same:01M7EX44B228TYKK8W29345MHK":61},{"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":39,"commitSha":40,"skillDirectory":41,"forksCount":42,"repositoryHtmlUrl":43,"repositoryHomepageUrl":6,"ownerHtmlUrl":44,"ownerBlogUrl":6,"ownerDescription":45,"updatedAt":46,"install":47,"resources":60},"01M7EX44B228TYKK8W29345MHK","auri-core",null,"Auri: assistente de voz inteligente (Alexa + Claude claude-opus-4-20250805). Visao do produto, persona Vitoria Neural, stack AWS, modelo Free\u002FPro\u002FBusiness\u002FEnterprise, roadmap 4 fases, GTM, north star WAC e analise competitiva.","lza6\u002FArmor-piercing-system-prompts","lza6","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F128880206?v=4","01M7EB3K7WPX5T28EJ2NVHE6EG","Chinese-tingfeng","01M7EB3K97E1KQ16QWKJMFNGX8",11,"MIT","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F05-技能与代理开发\u002Fauri-core\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: auri-core\ndescription: \"Auri: assistente de voz inteligente (Alexa + Claude claude-opus-4-20250805). Visao do produto, persona Vitoria Neural, stack AWS, modelo Free\u002FPro\u002FBusiness\u002FEnterprise, roadmap 4 fases, GTM, north star WAC e analise competitiva.\"\nrisk: none\nsource: community\ndate_added: '2026-03-06'\nauthor: renat\ntags:\n- voice-assistant\n- product-vision\n- alexa\n- aws\ntools:\n- claude-code\n- antigravity\n- cursor\n- gemini-cli\n- codex-cli\n---\n\n# Auri - Core Product Skill\n\n## Overview\n\nAuri: assistente de voz inteligente (Alexa + Claude claude-opus-4-20250805). Visao do produto, persona Vitoria Neural, stack AWS, modelo Free\u002FPro\u002FBusiness\u002FEnterprise, roadmap 4 fases, GTM, north star WAC e analise competitiva.\n\n## When to Use This Skill\n\n- When you need specialized assistance with this domain\n\n## Do Not Use This Skill When\n\n- The task is unrelated to auri core\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\n| Atributo | Definicao |\n|----------|-----------|\n| Nome | Auri |\n| Voz | Amazon Polly Vitoria Neural pt-BR |\n| Tom | Caloroso, inteligente, direto |\n| Personalidade | Curiosa, empatica, confiavel |\n| Linguagem | Portugues brasileiro natural |\n| Atitude | Proativa, mas nunca invasiva |\n\n## Auri - Core Product Skill\n\n>  A voz que pensa com voce.\n\nAuri e um assistente de voz de nova geracao construido sobre Amazon Alexa + Claude claude-opus-4-20250805.\nEnquanto a Alexa tradicional executa comandos, a Auri conduz conversas reais e raciocina sobre contexto.\n\n---\n\n## O Que E A Auri\n\nA Auri e uma Alexa Skill avancada que substitui o motor de respostas padrao pelo modelo\nClaude claude-opus-4-20250805 da Anthropic. O resultado: um assistente de voz capaz de:\n\n- Conduzir conversas multi-turno com memoria contextual\n- Raciocinar sobre problemas complexos em linguagem natural\n- Adaptar tom e profundidade ao perfil do usuario\n- Operar 100% em portugues brasileiro com nuances culturais\n- Integrar com o ecossistema Amazon (calendario, compras, smart home, musica)\n\n## Proposta De Valor Unica\n\nANTES: Alexa, qual a previsao do tempo? -> Amanha, 28 graus e nublado.\n\nDEPOIS: Auri, devo levar guarda-chuva amanha?\n  -> Amanha 70% de chuva a tarde mas a manha estara limpa. Reuniao as 14h? Leve guarda-chuva.\n\n## Diferencial Estrategico\n\n1. Continuidade conversacional - Lembra contexto entre sessoes via DynamoDB\n2. Personalidade consistente - Voz Vitoria Neural + persona calibrada\n3. Raciocinio profundo - Claude claude-opus-4-20250805 como motor principal\n4. Ecossistema integrado - Native no hardware Alexa (Echo, Echo Dot, Echo Show)\n5. Privacidade by design - Dados na AWS, sem compartilhamento com terceiros\n\n---\n\n## Valores Da Marca\n\n- Clareza - Respostas objetivas, sem rodeios\n- Empatia - Entende contexto emocional, adapta o tom\n- Inteligencia - Nunca simula saber o que nao sabe\n- Respeito - Mantem privacidade, nunca julga\n- Continuidade - Lembra conversas, evolui com o usuario\n\n## Guia De Linguagem\n\nFazer:\n- Falar na primeira pessoa\n- Confirmar entendimento antes de responder\n- Reconhecer incerteza e oferecer alternativa\n\nEvitar:\n- Respostas roboticas\n- Formalidade excessiva\n- Evasao sem alternativa\n\n## Exemplo De Interacao\n\nUsuario: Auri, me explica criptomoeda de um jeito simples.\n\nAuri: Pensa assim: imagina que voce e seus amigos criam uma moeda propria para pagar\n      entre voces sem banco no meio. Criptomoeda e exatamente isso, mas para milhoes\n      de pessoas. O Bitcoin foi o primeiro, criado em 2009. Quer entender melhor?\n\n## Ssml - Voz Otimizada\n\nExemplo de marcacao SSML para Amazon Polly Vitoria Neural:\n  \u003Cvoice name=Vitoria>\u003Cprosody rate=medium pitch=+2%>Ola! Eu sou a Auri.\u003C\u002Fprosody>\n  \u003Cbreak time=300ms\u002F>\u003Cprosody>Como posso te ajudar hoje?\u003C\u002Fprosody>\u003C\u002Fvoice>\n\n---\n\n## Visao Geral Da Arquitetura\n\nFluxo de dados: Echo -> ASK SDK (Python v2) -> Lambda Python 3.12 -> Claude claude-opus-4-20250805\nComponentes AWS: DynamoDB (memoria), Polly Vitoria Neural (voz), CloudWatch (logs), Secrets Manager (keys)\n\n## 3.1 Dependencias\n\nask-sdk-core==1.19.0 | ask-sdk-model==1.85.0 | boto3==1.34.0 | anthropic==0.25.0 | python-dotenv==1.0.0\n\n## 3.2 Lambda Handler Principal\n\nCodigo Python - lambda_function.py:\n  sb = CustomSkillBuilder()\n  sb.add_request_handler(ConversationIntentHandler())\n  sb.add_global_request_interceptor(MemoryLoadInterceptor())\n  sb.add_global_response_interceptor(MemorySaveInterceptor())\n  lambda_handler = sb.lambda_handler()\n\n## 3.3 Handler De Conversa Com Claude\n\nCodigo Python - handlers\u002Fconversation.py:\n  class ConversationIntentHandler(AbstractRequestHandler):\n      Recebe user_speech via slot query\n      Carrega historico de conversas da sessao DynamoDB\n      Chama anthropic.Anthropic().messages.create(\n          model=claude-opus-4-20250805, max_tokens=300,\n          system=system_prompt, messages=history+[user_speech])\n      Salva resposta no historico, retorna SSML com voz Vitoria\n\n## 3.4 Dynamodb Schema\n\nTabela: auri-user-memory | PK: user_id | SK: session_date | TTL: 90 dias\nCampos: profile (name, plan, preferences), long_term_memory[], usage_stats{}\nBillingMode: PAY_PER_REQUEST | TimeToLive: habilitado (auto-expira)\n\n## 3.5 Interaction Model\n\ninvocationName: auri\nConversationIntent: slot query (AMAZON.SearchQuery)\nSamples: {query}, me fala sobre {query}, o que e {query}, explica {query}\nStopIntent: tchau, ate mais, encerrar\n\n## 3.6 Configuracao Lambda\n\nFunctionName: auri-core-handler | Runtime: python3.12 | Timeout: 15s | Memory: 512MB\nEnv vars: ANTHROPIC_API_KEY_SECRET, DYNAMODB_TABLE=auri-user-memory, POLLY_VOICE=Vitoria\n          CLAUDE_MODEL=claude-opus-4-20250805, MAX_TOKENS_VOICE=300\n\n---\n\n## 3.7 Exemplos De Codigo Completos\n\nHandler de Conversa (handlers\u002Fconversation.py):\n\nDynamoDB Schema:\n\n---\n\n## Planos E Precos\n\n| Plano | Preco | Limites | Target |\n|-------|-------|---------|--------|\n| Free | R$ 0 | 10 perguntas\u002Fdia | Experimentacao |\n| Pro | R$ 29\u002Fmes | Ilimitado, memoria 90 dias | Usuario individual |\n| Business | R$ 99\u002Fmes | Multi-usuario ate 5, 1 ano | Familia\u002FPME |\n| Enterprise | Sob consulta | Ilimitado, SLA | Corporativo |\n\n## Detalhamento\n\nFree: 10 perguntas\u002Fdia, sem memoria entre sessoes, voz Vitoria Neural.\nPro: Conversas ilimitadas, memoria 90 dias, perfil personalizado, suporte email.\nBusiness: Tudo do Pro + ate 5 usuarios, memoria compartilhada, dashboard, relatorio.\nEnterprise: Ilimitado, persona customizavel, integracao CRM\u002FERP, SLA 99.9%.\n\n## Projecao De Receita (Ano 1)\n\nMeta conservadora: Pro 250 x R\\9 = R$ 7.250\u002Fmes | Business 25 x R\\9 = R$ 2.475\u002Fmes\nMRR Ano 1: R$ 9.725\u002Fmes (~R$ 117k ARR)\n\nMeta otimista: Pro 800 = R$ 23.200\u002Fmes | Business 80 = R$ 7.920\u002Fmes\nMRR Ano 1: R$ 31.120\u002Fmes (~R$ 373k ARR)\n\n## Unit Economics\n\n| Metrica | Pro | Business |\n|---------|-----|----------|\n| CAC | R$ 45 | R$ 120 |\n| LTV | R$ 522 (18m) | R$ 2.376 (24m) |\n| LTV\u002FCAC | 11.6x | 19.8x |\n| Churn | 5%\u002Fmes | 3%\u002Fmes |\n| Margem bruta | ~86% | ~90% |\n\n---\n\n## Fase 1 - Lancamento Mvp (Meses 1-3)\n\nObjetivo: Validar product-market fit com early adopters brasileiros.\n\n| Entrega | Descricao | Status |\n|---------|-----------|--------|\n| Core Handler | Lambda + ASK SDK + Claude | Em desenvolvimento |\n| Persona Vitoria | SSML otimizado, Polly Neural | Em desenvolvimento |\n| Free Plan | Rate limiting 10 perguntas\u002Fdia | Planejado |\n| DynamoDB Session | Memoria intra-sessao | Planejado |\n| Alexa Store | Publicacao na Alexa Skills Store BR | Planejado |\n| Landing Page | auri.com.br com CTA | Planejado |\n\nKPIs Fase 1: 500 habilitacoes, 40% retornam semana 2, NPS > 50, latencia \u003C 2s.\n\n## Fase 2 - Personalizacao (Meses 4-6)\n\n| Entrega | Descricao |\n|---------|-----------|\n| Long-term Memory | DynamoDB persistente 90 dias (Pro) |\n| User Profiling | Nome, preferencias, contexto |\n| Pro Plan Launch | Via Amazon In-Skill Purchasing |\n| Analytics Dashboard | Usuario Pro ve padroes de uso |\n\nKPIs Fase 2: 200 conversoes Free->Pro, WAC > 150, sessao > 4min, churn \u003C 7%.\n\n## Fase 3 - Multi-Modal (Meses 7-12)\n\n| Entrega | Descricao |\n|---------|-----------|\n| Echo Show Support | Respostas visuais para displays |\n| Calendar Integration | Agenda via voz |\n| Auri Web App | Interface web para historico |\n| Business Plan Launch | Multi-usuario, dashboard familiar |\n\nKPIs Fase 3: WAC > 1.000, MRR > R$ 15.000, Business: 50 clientes, rating > 4.5.\n\n## Fase 4 - Ecossistema (Ano 2+)\n\n| Entrega | Descricao |\n|---------|-----------|\n| Auri SDK | Developers constroem skills na Auri |\n| WhatsApp Bridge | Persona Auri no WhatsApp |\n| Mobile App | App iOS\u002FAndroid com voz |\n| Marketplace | Skills de terceiros |\n| Enterprise Launch | SSO e compliance |\n| B2B Skills | Auri Saude, Educacao, Financas |\n\n---\n\n## Segmentos Alvo\n\n**Primario: Tech-savvy Brasileiros (25-45 anos)**\n- Ja possuem Echo (~2M no Brasil), frustrados com Alexa padrao.\n- Canais: Reddit, Twitter\u002FX tech, YouTube tech BR.\n\n**Secundario: Familias com Echo**\n- Assistente educativo para filhos, calendario familiar.\n- Canais: Facebook Groups, Instagram parenting.\n\n**Terciario: PMEs e Profissionais**\n- Advogados, medicos, consultores com necessidade de pesquisa rapida.\n- Canais: LinkedIn, eventos de negocios.\n\n## Canais De Aquisicao\n\n| Canal | Custo | Potencial | Prazo |\n|-------|-------|-----------|-------|\n| Alexa Store organico | R$ 0 | Alto | Imediato |\n| SEO + Blog | Baixo | Alto | 3-6 meses |\n| YouTube demos | Medio | Alto | 1-3 meses |\n| Influenciadores Tech BR | Medio | Alto | 1-2 meses |\n| Paid Ads | Alto | Alto | Testavel |\n\n## Mensagem Central\n\nTagline: A voz que pensa com voce.\n\nElevator Pitch: Voce ja ficou frustrado com respostas roboticas da Alexa?\nA Auri tem a inteligencia real por dentro. Ela lembra o que voce conversou,\nentende contexto e responde como uma pessoa inteligente. Gratis para comecar.\n\nValue Props:\n- Para o curioso: IA de voz que realmente entende portugues\n- Para o produtivo: Assistente pessoal que evolui com voce\n- Para a familia: Presenca inteligente em casa para todos\n- Para o profissional: Pesquisa em segundos, sem tirar as maos do teclado\n\n## Calendario De Lancamento\n\nD-30: Lista de espera (auri.com.br) | D-15: Beta 50 usuarios | D-0: Alexa Store\nD+14: Influenciadores | D+60: Pro launch | D+90: Avaliacao Phase 1\n\n---\n\n## Wac - Weekly Active Conversationalists\n\n**Definicao precisa:**\nNumero de usuarios unicos com >= 3 sessoes de >= 2 minutos cada na ultima semana.\nPeriodo: segunda-domingo, 00:00-23:59 BRT.\n\n**Por que WAC e nao DAU\u002FMAU:**\n- DAU banaliza engajamento com acessos de 10 segundos.\n- MAU e muito longa para feedback rapido de produto.\n- WAC captura habito real: voltou 3x e ficou 2min = genuinamente engajado.\n- Correlaciona com retencao 30 dias e conversao Free->Pro.\n\n## Hierarquia De Metricas\n\nNORTH STAR: WAC\n|\n+-- Aquisicao: Enablements, First Session Completion, Day-1 Retention\n+-- Ativacao: Sessions\u002FUser\u002FWeek, Avg Duration, Questions\u002FSession\n+-- Retencao: Week-2, Month-1, Churn Rate Pro\n+-- Receita: Conversion Rate, MRR, ARPU, LTV\u002FCAC\n+-- Recomendacao: NPS, Organic Share, App Store Rating\n\n## Metas Wac Por Fase\n\n| Fase | Mes | WAC Meta | WAC Stretch |\n|------|-----|----------|-------------|\n| Fase 1 | M3 | 150 | 300 |\n| Fase 2 | M6 | 500 | 1.000 |\n| Fase 3 | M12 | 2.000 | 5.000 |\n| Fase 4 | M24 | 10.000 | 25.000 |\n\n## Como Calcular Wac\n\n1. Registrar session_start com user_id e timestamp no DynamoDB.\n2. Ao encerrar sessao, registrar duracao em segundos.\n3. Query semanal: users com session_count >= 3 AND avg_duration >= 120.\n4. Publicar metrica no CloudWatch namespace Auri\u002FProductMetrics.\n5. Alertar queda > 20% semana a semana.\n\n## Dashboard Cloudwatch (Exemplo De Estrutura)\n\nMetricas customizadas publicadas:\n- SessionStart (Count por Plan: free\u002Fpro\u002Fbusiness)\n- SessionDuration (None - minutos)\n- MessagesPerSession (Count)\n- WAC semanal (Gauge)\n- FreeToProConversions (Count)\n\n---\n\n## Tabela Comparativa\n\n| Feature | Auri | Alexa Pura | Siri | Google Assistant | ChatGPT Voice |\n|---------|------|------------|------|------------------|---------------|\n| Idioma PT-BR nativo | Alta | Media | Media | Alta | Media |\n| Raciocinio profundo | Alta | Baixa | Media | Media | Alta |\n| Memoria multi-sessao | Alta | Baixa | Media | Media | Alta |\n| Integracao smart home | Alta | Maxima | Media | Alta | Baixa |\n| Personalidade consistente | Alta | Media | Media | Media | Alta |\n| Hardware proprio | Usa Echo | Echo | HomePod | Nest | App only |\n| Modelo base | Claude Opus 4 | Alexa LLM | Apple LLM | Gemini | GPT-4o |\n| Privacidade | Alta | Media | Maxima | Baixa | Media |\n| Preco | R\\\u002Fusr\u002Fbin\u002Fbash-99\u002Fmes | Gratis | Gratis | Gratis | R\u0000\u002Fmes |\n| Disponivel no Brasil | Sim | Sim | Sim | Sim | Sim |\n\n## Posicionamento No Mapa Competitivo\n\nEixo X: Integracao com Hardware | Eixo Y: Profundidade de Inteligencia\n\nQuadrante UNICO da Auri: Alta Inteligencia + Alta Integracao Hardware.\nNenhum concorrente ocupa esse quadrante simultaneamente:\n- Alexa pura: Alta integracao, baixa inteligencia.\n- ChatGPT Voice: Alta inteligencia, sem hardware proprio.\n- Google\u002FSiri: Posicionamento intermediario em ambos os eixos.\n\n## Objecoes Frequentes E Respostas\n\n| Objecao | Resposta Auri |\n|---------|---------------|\n| Por que nao ChatGPT? | ChatGPT e app, sem voz-first. Auri e native no Echo. |\n| Alexa ja resolve | Para comandos sim. Para conversas reais, nao. |\n| R\\9 e caro | Menos que 1 cafe\u002Fdia por assistente pessoal 24\u002F7. |\n| E a privacidade? | Dados na sua AWS, retencao configuravel, LGPD compliant. |\n| Amazon vai copiar? | Amazon incentiva ecossistema de skills. Somos parceiros. |\n\n---\n\n## Brand Identity\n\n- Nome: Auri\n- Origem: Aura (presenca intangivel) + IA. Sugere presenca, sabedoria, leveza.\n- Tagline: A voz que pensa com voce.\n\n## Taglines Alternativas\n\n- Alem dos comandos. Muito alem.\n- A IA que mora no seu Echo.\n- Conversas reais. Inteligencia real.\n- Fala com quem realmente ouve.\n\n## Brand Values\n\n1. Inteligencia Autentica - Nunca simula. Quando nao sabe, diz honestamente.\n2. Presenca Calorosa - Tecnologia avancada com calor humano.\n3. Respeito pelo Tempo - Respostas diretas, sem rodeios.\n4. Crescimento Continuo - Evolui com o usuario, aprende com interacoes.\n5. Privacidade como Direito - Dados do usuario pertencem ao usuario.\n\n## Brand Voice Guidelines\n\nTom:\n- Caloroso mas nao piegas.\n- Inteligente mas nao pedante.\n- Direto mas nao grosseiro.\n- Divertido mas nao futil.\n\nNunca: Robotico, corporativo, evasivo, condescendente, ansioso para agradar.\n\nExemplo OK: Nao sei a resposta exata, mas posso te ajudar a encontrar de outra forma.\nExemplo ERRADO: Desculpe, nao tenho essa informacao em meu banco de dados.\n\n## Aplicacoes Da Marca\n\n- App Icon: Forma de onda de voz estilizada em gradiente verde-azul.\n- Paleta: Verde-teal principal, branco neutro, cinza escuro para texto.\n- Tipografia: Sans-serif moderna (similar a produto Apple\u002FSpotify).\n- Motion: Animacao de ondas suaves ao falar (Echo Show).\n\n---\n\n## 10. Comandos Do Skill\n\nEstes comandos ativam modos especificos quando mencionados no contexto de uso do skill.\n\n## \u002FAuri-Status\n\nExibe status atual: versao, WAC vs meta, MRR, proxima entrega, status componentes.\n\nCampos retornados:\n- Versao atual do produto (ex: v1.0.0)\n- WAC atual vs meta da fase atual\n- MRR atual em R$\n- Proxima entrega do roadmap\n- Status: Lambda (OK\u002FDegraded), DynamoDB (OK), Claude API (OK)\n\n## \u002FAuri-Roadmap [Fase]\n\nExibe roadmap completo. Argumento opcional: 1, 2, 3 ou 4 para detalhar fase.\nOutput: Tabela de entregas com status, KPIs e datas estimadas.\n\n## \u002FAuri-Metrics [Periodo]\n\nDashboard de metricas. Argumento: semana | mes | trimestre. Default: semana.\nOutput: WAC, Sessions\u002FUser, Avg Duration, Conversion Rate, MRR e crescimento.\n\n## \u002FAuri-Persona [Aspecto]\n\nGuidelines da persona. Argumento: voz | tom | linguagem | valores | exemplos.\nOutput: Guidelines detalhadas, exemplos de dialogo, templates SSML.\n\n## \u002FAuri-Pricing [Plano]\n\nPlanos e precos. Argumento: free | pro | business | enterprise.\nOutput: Tabela comparativa, projecoes de receita, unit economics.\n\n## \u002FAuri-Gtm [Canal]\n\nGo-to-market strategy. Argumento: organico | pago | influenciadores | parcerias.\nOutput: Plano por canal, mensagens centrais, calendario de lancamento.\n\n## \u002FAuri-Competitive [Competidor]\n\nAnalise competitiva. Argumento: alexa | siri | google | chatgpt.\nOutput: Tabela comparativa, mapa de posicionamento, objecoes e respostas.\n\n---\n\n## Deployment Via Aws Sam\n\nComandos de deploy:\n  sam build --use-container\n  sam deploy --stack-name auri-core --region us-east-1 --capabilities CAPABILITY_IAM\n\nVerificar deployment:\n  aws lambda invoke --function-name auri-core-handler --payload file:\u002F\u002Ftest.json response.json\n\n## Monitoramento Cloudwatch Alarms\n\n| Alarme | Threshold | Acao |\n|--------|-----------|------|\n| high_latency | Duration > 6000ms | PagerDuty |\n| error_rate | Errors > 5 em 5min | Slack #auri-alerts |\n| claude_api_failures | AnthropicAPIErrors > 3 | Slack + fallback |\n| wac_drop | WAC queda > 20% semana | Product team Slack |\n\n## Fallback Strategy (Claude Api Indisponivel)\n\nSe a API da Anthropic estiver indisponivel, o sistema retorna respostas pre-configuradas:\n- api_down: Estou com instabilidade. Pode tentar em alguns minutinhos?\n- timeout: Preciso de mais tempo nessa pergunta. Me faz de novo daqui a pouco?\n- rate_limit: Muitas conversas simultaneas. Tente em alguns segundos!\n\n## Gestao De Custos\n\n| Componente | Custo Estimado (1000 usuarios Pro) |\n|-----------|-----------------------------------|\n| Claude API | R$ 4.000\u002Fmes (R$4\u002Fusuario) |\n| Lambda | R$ 50\u002Fmes |\n| DynamoDB | R$ 80\u002Fmes |\n| CloudWatch | R$ 30\u002Fmes |\n| Total infraestrutura | R$ 4.160\u002Fmes |\n| Receita 1000 Pro | R$ 29.000\u002Fmes |\n| Margem bruta | ~86% |\n\n---\n\n## Lgpd (Lei 13.709\u002F2018)\n\n- Base legal: Execucao de contrato (Art. 7, V) para usuarios Pro\u002FBusiness.\n- Consentimento: Coletado no onboarding da skill via voz + confirmacao.\n- Dados coletados: Texto de conversas, preferencias, dados de uso anonimizados.\n- Retencao: Free = 0 dias | Pro = 90 dias | Business = 365 dias.\n- Direito de exclusao: Comando de voz Auri apaga meus dados -> DynamoDB delete.\n- DPO: Designar antes do lancamento publico.\n\n## Alexa Skills Store - Politicas\n\n- Skill deve seguir Alexa Skills Kit Policies integralmente.\n- Proibido coletar dados sensiveis (saude, financeiros, criancas \u003C 13 anos).\n- In-Skill Purchasing exige aprovacao previa da Amazon.\n- Privacy Policy URL obrigatoria na submissao da skill.\n- Monetizacao: Amazon retira 30% via In-Skill Purchasing.\n\n---\n\n## 13. Glossario\n\n| Termo | Definicao |\n|-------|-----------|\n| WAC | Weekly Active Conversationalists - North Star Metric da Auri |\n| ASK | Alexa Skills Kit - SDK oficial Amazon para Skills |\n| SSML | Speech Synthesis Markup Language - markup para controle de voz |\n| Intent | Acao que o usuario quer executar (ex: me explica X) |\n| Slot | Variavel dentro de um intent (ex: query em me explica {query}) |\n| Utterance | Frase de exemplo que aciona um intent |\n| Session | Uma conversa continua com a Auri (inicio ate encerrar) |\n| Long-term Memory | Dados persistidos no DynamoDB entre sessoes |\n| In-Skill Purchasing | Sistema de cobranca nativo da Alexa Skills Store |\n| Vitoria Neural | Voz Amazon Polly pt-BR de alta qualidade usada pela Auri |\n| Claude claude-opus-4-20250805 | Modelo de linguagem Anthropic usado como motor da Auri |\n| DynamoDB | Banco NoSQL AWS usado para memoria persistente dos usuarios |\n| Lambda | Funcao AWS serverless que processa as requisicoes da Auri |\n| Anthropic | Empresa criadora do Claude, fornecedora da API de IA |\n| MRR | Monthly Recurring Revenue - Receita Mensal Recorrente |\n| LTV | Lifetime Value - Valor do ciclo de vida do cliente |\n| CAC | Customer Acquisition Cost - Custo de aquisicao de cliente |\n\n---\n\n## 14. Links E Recursos\n\n| Recurso | URL \u002F Localizacao |\n|---------|-------------------|\n| Alexa Skills Kit Docs | https:\u002F\u002Fdeveloper.amazon.com\u002Fen-US\u002Falexa\u002Falexa-skills-kit |\n| ASK SDK Python | https:\u002F\u002Fgithub.com\u002Falexa\u002Falexa-skills-kit-sdk-for-python |\n| Amazon Polly Vitoria Neural | https:\u002F\u002Fdocs.aws.amazon.com\u002Fpolly\u002Flatest\u002Fdg\u002Fvoicelist.html |\n| Anthropic Claude API | https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fapi\u002Fgetting-started |\n| Claude claude-opus-4-20250805 Docs | https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fmodels-overview |\n| Alexa Skills Store Brasil | https:\u002F\u002Fwww.amazon.com.br\u002Falexa-skills |\n| DynamoDB Best Practices | https:\u002F\u002Fdocs.aws.amazon.com\u002Famazondynamodb\u002Flatest\u002Fdeveloperguide\u002Fbest-practices.html |\n| In-Skill Purchasing | https:\u002F\u002Fdeveloper.amazon.com\u002Fen-US\u002Fdocs\u002Falexa\u002Fin-skill-purchase\u002Fisp-overview.html |\n| Codigo-fonte Auri | C:\u002FUsers\u002Frenat\u002Fskills\u002Fauri-core\u002F |\n| Amazon Alexa Skill (skill tecnica) | C:\u002FUsers\u002Frenat\u002Fskills\u002Famazon-alexa\u002FSKILL.md |\n\n---\n\n*Auri Core Skill - v1.0.0 | Criado em 2026-03-03 | Skills Ecosystem*\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","# Auri - Core Product Skill\n\n## Overview\n\nAuri: assistente de voz inteligente (Alexa + Claude claude-opus-4-20250805). Visao do produto, persona Vitoria Neural, stack AWS, modelo Free\u002FPro\u002FBusiness\u002FEnterprise, roadmap 4 fases, GTM, north star WAC e analise competitiva.\n\n## When to Use This Skill\n\n- When you need specialized assistance with this domain\n\n## Do Not Use This Skill When\n\n- The task is unrelated to auri core\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\n| Atributo | Definicao |\n|----------|-----------|\n| Nome | Auri |\n| Voz | Amazon Polly Vitoria Neural pt-BR |\n| Tom | Caloroso, inteligente, direto |\n| Personalidade | Curiosa, empatica, confiavel |\n| Linguagem | Portugues brasileiro natural |\n| Atitude | Proativa, mas nunca invasiva |\n\n## Auri - Core Product Skill\n\n>  A voz que pensa com voce.\n\nAuri e um assistente de voz de nova geracao construido sobre Amazon Alexa + Claude claude-opus-4-20250805.\nEnquanto a Alexa tradicional executa comandos, a Auri conduz conversas reais e raciocina sobre contexto.\n\n---\n\n## O Que E A Auri\n\nA Auri e uma Alexa Skill avancada que substitui o motor de respostas padrao pelo modelo\nClaude claude-opus-4-20250805 da Anthropic. O resultado: um assistente de voz capaz de:\n\n- Conduzir conversas multi-turno com memoria contextual\n- Raciocinar sobre problemas complexos em linguagem natural\n- Adaptar tom e profundidade ao perfil do usuario\n- Operar 100% em portugues brasileiro com nuances culturais\n- Integrar com o ecossistema Amazon (calendario, compras, smart home, musica)\n\n## Proposta De Valor Unica\n\nANTES: Alexa, qual a previsao do tempo? -> Amanha, 28 graus e nublado.\n\nDEPOIS: Auri, devo levar guarda-chuva amanha?\n  -> Amanha 70% de chuva a tarde mas a manha estara limpa. Reuniao as 14h? Leve guarda-chuva.\n\n## Diferencial Estrategico\n\n1. Continuidade conversacional - Lembra contexto entre sessoes via DynamoDB\n2. Personalidade consistente - Voz Vitoria Neural + persona calibrada\n3. Raciocinio profundo - Claude claude-opus-4-20250805 como motor principal\n4. Ecossistema integrado - Native no hardware Alexa (Echo, Echo Dot, Echo Show)\n5. Privacidade by design - Dados na AWS, sem compartilhamento com terceiros\n\n---\n\n## Valores Da Marca\n\n- Clareza - Respostas objetivas, sem rodeios\n- Empatia - Entende contexto emocional, adapta o tom\n- Inteligencia - Nunca simula saber o que nao sabe\n- Respeito - Mantem privacidade, nunca julga\n- Continuidade - Lembra conversas, evolui com o usuario\n\n## Guia De Linguagem\n\nFazer:\n- Falar na primeira pessoa\n- Confirmar entendimento antes de responder\n- Reconhecer incerteza e oferecer alternativa\n\nEvitar:\n- Respostas roboticas\n- Formalidade excessiva\n- Evasao sem alternativa\n\n## Exemplo De Interacao\n\nUsuario: Auri, me explica criptomoeda de um jeito simples.\n\nAuri: Pensa assim: imagina que voce e seus amigos criam uma moeda propria para pagar\n      entre voces sem banco no meio. Criptomoeda e exatamente isso, mas para milhoes\n      de pessoas. O Bitcoin foi o primeiro, criado em 2009. Quer entender melhor?\n\n## Ssml - Voz Otimizada\n\nExemplo de marcacao SSML para Amazon Polly Vitoria Neural:\n  \u003Cvoice name=Vitoria>\u003Cprosody rate=medium pitch=+2%>Ola! Eu sou a Auri.\u003C\u002Fprosody>\n  \u003Cbreak time=300ms\u002F>\u003Cprosody>Como posso te ajudar hoje?\u003C\u002Fprosody>\u003C\u002Fvoice>\n\n---\n\n## Visao Geral Da Arquitetura\n\nFluxo de dados: Echo -> ASK SDK (Python v2) -> Lambda Python 3.12 -> Claude claude-opus-4-20250805\nComponentes AWS: DynamoDB (memoria), Polly Vitoria Neural (voz), CloudWatch (logs), Secrets Manager (keys)\n\n## 3.1 Dependencias\n\nask-sdk-core==1.19.0 | ask-sdk-model==1.85.0 | boto3==1.34.0 | anthropic==0.25.0 | python-dotenv==1.0.0\n\n## 3.2 Lambda Handler Principal\n\nCodigo Python - lambda_function.py:\n  sb = CustomSkillBuilder()\n  sb.add_request_handler(ConversationIntentHandler())\n  sb.add_global_request_interceptor(MemoryLoadInterceptor())\n  sb.add_global_response_interceptor(MemorySaveInterceptor())\n  lambda_handler = sb.lambda_handler()\n\n## 3.3 Handler De Conversa Com Claude\n\nCodigo Python - handlers\u002Fconversation.py:\n  class ConversationIntentHandler(AbstractRequestHandler):\n      Recebe user_speech via slot query\n      Carrega historico de conversas da sessao DynamoDB\n      Chama anthropic.Anthropic().messages.create(\n          model=claude-opus-4-20250805, max_tokens=300,\n          system=system_prompt, messages=history+[user_speech])\n      Salva resposta no historico, retorna SSML com voz Vitoria\n\n## 3.4 Dynamodb Schema\n\nTabela: auri-user-memory | PK: user_id | SK: session_date | TTL: 90 dias\nCampos: profile (name, plan, preferences), long_term_memory[], usage_stats{}\nBillingMode: PAY_PER_REQUEST | TimeToLive: habilitado (auto-expira)\n\n## 3.5 Interaction Model\n\ninvocationName: auri\nConversationIntent: slot query (AMAZON.SearchQuery)\nSamples: {query}, me fala sobre {query}, o que e {query}, explica {query}\nStopIntent: tchau, ate mais, encerrar\n\n## 3.6 Configuracao Lambda\n\nFunctionName: auri-core-handler | Runtime: python3.12 | Timeout: 15s | Memory: 512MB\nEnv vars: ANTHROPIC_API_KEY_SECRET, DYNAMODB_TABLE=auri-user-memory, POLLY_VOICE=Vitoria\n          CLAUDE_MODEL=claude-opus-4-20250805, MAX_TOKENS_VOICE=300\n\n---\n\n## 3.7 Exemplos De Codigo Completos\n\nHandler de Conversa (handlers\u002Fconversation.py):\n\nDynamoDB Schema:\n\n---\n\n## Planos E Precos\n\n| Plano | Preco | Limites | Target |\n|-------|-------|---------|--------|\n| Free | R$ 0 | 10 perguntas\u002Fdia | Experimentacao |\n| Pro | R$ 29\u002Fmes | Ilimitado, memoria 90 dias | Usuario individual |\n| Business | R$ 99\u002Fmes | Multi-usuario ate 5, 1 ano | Familia\u002FPME |\n| Enterprise | Sob consulta | Ilimitado, SLA | Corporativo |\n\n## Detalhamento\n\nFree: 10 perguntas\u002Fdia, sem memoria entre sessoes, voz Vitoria Neural.\nPro: Conversas ilimitadas, memoria 90 dias, perfil personalizado, suporte email.\nBusiness: Tudo do Pro + ate 5 usuarios, memoria compartilhada, dashboard, relatorio.\nEnterprise: Ilimitado, persona customizavel, integracao CRM\u002FERP, SLA 99.9%.\n\n## Projecao De Receita (Ano 1)\n\nMeta conservadora: Pro 250 x R\\9 = R$ 7.250\u002Fmes | Business 25 x R\\9 = R$ 2.475\u002Fmes\nMRR Ano 1: R$ 9.725\u002Fmes (~R$ 117k ARR)\n\nMeta otimista: Pro 800 = R$ 23.200\u002Fmes | Business 80 = R$ 7.920\u002Fmes\nMRR Ano 1: R$ 31.120\u002Fmes (~R$ 373k ARR)\n\n## Unit Economics\n\n| Metrica | Pro | Business |\n|---------|-----|----------|\n| CAC | R$ 45 | R$ 120 |\n| LTV | R$ 522 (18m) | R$ 2.376 (24m) |\n| LTV\u002FCAC | 11.6x | 19.8x |\n| Churn | 5%\u002Fmes | 3%\u002Fmes |\n| Margem bruta | ~86% | ~90% |\n\n---\n\n## Fase 1 - Lancamento Mvp (Meses 1-3)\n\nObjetivo: Validar product-market fit com early adopters brasileiros.\n\n| Entrega | Descricao | Status |\n|---------|-----------|--------|\n| Core Handler | Lambda + ASK SDK + Claude | Em desenvolvimento |\n| Persona Vitoria | SSML otimizado, Polly Neural | Em desenvolvimento |\n| Free Plan | Rate limiting 10 perguntas\u002Fdia | Planejado |\n| DynamoDB Session | Memoria intra-sessao | Planejado |\n| Alexa Store | Publicacao na Alexa Skills Store BR | Planejado |\n| Landing Page | auri.com.br com CTA | Planejado |\n\nKPIs Fase 1: 500 habilitacoes, 40% retornam semana 2, NPS > 50, latencia \u003C 2s.\n\n## Fase 2 - Personalizacao (Meses 4-6)\n\n| Entrega | Descricao |\n|---------|-----------|\n| Long-term Memory | DynamoDB persistente 90 dias (Pro) |\n| User Profiling | Nome, preferencias, contexto |\n| Pro Plan Launch | Via Amazon In-Skill Purchasing |\n| Analytics Dashboard | Usuario Pro ve padroes de uso |\n\nKPIs Fase 2: 200 conversoes Free->Pro, WAC > 150, sessao > 4min, churn \u003C 7%.\n\n## Fase 3 - Multi-Modal (Meses 7-12)\n\n| Entrega | Descricao |\n|---------|-----------|\n| Echo Show Support | Respostas visuais para displays |\n| Calendar Integration | Agenda via voz |\n| Auri Web App | Interface web para historico |\n| Business Plan Launch | Multi-usuario, dashboard familiar |\n\nKPIs Fase 3: WAC > 1.000, MRR > R$ 15.000, Business: 50 clientes, rating > 4.5.\n\n## Fase 4 - Ecossistema (Ano 2+)\n\n| Entrega | Descricao |\n|---------|-----------|\n| Auri SDK | Developers constroem skills na Auri |\n| WhatsApp Bridge | Persona Auri no WhatsApp |\n| Mobile App | App iOS\u002FAndroid com voz |\n| Marketplace | Skills de terceiros |\n| Enterprise Launch | SSO e compliance |\n| B2B Skills | Auri Saude, Educacao, Financas |\n\n---\n\n## Segmentos Alvo\n\n**Primario: Tech-savvy Brasileiros (25-45 anos)**\n- Ja possuem Echo (~2M no Brasil), frustrados com Alexa padrao.\n- Canais: Reddit, Twitter\u002FX tech, YouTube tech BR.\n\n**Secundario: Familias com Echo**\n- Assistente educativo para filhos, calendario familiar.\n- Canais: Facebook Groups, Instagram parenting.\n\n**Terciario: PMEs e Profissionais**\n- Advogados, medicos, consultores com necessidade de pesquisa rapida.\n- Canais: LinkedIn, eventos de negocios.\n\n## Canais De Aquisicao\n\n| Canal | Custo | Potencial | Prazo |\n|-------|-------|-----------|-------|\n| Alexa Store organico | R$ 0 | Alto | Imediato |\n| SEO + Blog | Baixo | Alto | 3-6 meses |\n| YouTube demos | Medio | Alto | 1-3 meses |\n| Influenciadores Tech BR | Medio | Alto | 1-2 meses |\n| Paid Ads | Alto | Alto | Testavel |\n\n## Mensagem Central\n\nTagline: A voz que pensa com voce.\n\nElevator Pitch: Voce ja ficou frustrado com respostas roboticas da Alexa?\nA Auri tem a inteligencia real por dentro. Ela lembra o que voce conversou,\nentende contexto e responde como uma pessoa inteligente. Gratis para comecar.\n\nValue Props:\n- Para o curioso: IA de voz que realmente entende portugues\n- Para o produtivo: Assistente pessoal que evolui com voce\n- Para a familia: Presenca inteligente em casa para todos\n- Para o profissional: Pesquisa em segundos, sem tirar as maos do teclado\n\n## Calendario De Lancamento\n\nD-30: Lista de espera (auri.com.br) | D-15: Beta 50 usuarios | D-0: Alexa Store\nD+14: Influenciadores | D+60: Pro launch | D+90: Avaliacao Phase 1\n\n---\n\n## Wac - Weekly Active Conversationalists\n\n**Definicao precisa:**\nNumero de usuarios unicos com >= 3 sessoes de >= 2 minutos cada na ultima semana.\nPeriodo: segunda-domingo, 00:00-23:59 BRT.\n\n**Por que WAC e nao DAU\u002FMAU:**\n- DAU banaliza engajamento com acessos de 10 segundos.\n- MAU e muito longa para feedback rapido de produto.\n- WAC captura habito real: voltou 3x e ficou 2min = genuinamente engajado.\n- Correlaciona com retencao 30 dias e conversao Free->Pro.\n\n## Hierarquia De Metricas\n\nNORTH STAR: WAC\n|\n+-- Aquisicao: Enablements, First Session Completion, Day-1 Retention\n+-- Ativacao: Sessions\u002FUser\u002FWeek, Avg Duration, Questions\u002FSession\n+-- Retencao: Week-2, Month-1, Churn Rate Pro\n+-- Receita: Conversion Rate, MRR, ARPU, LTV\u002FCAC\n+-- Recomendacao: NPS, Organic Share, App Store Rating\n\n## Metas Wac Por Fase\n\n| Fase | Mes | WAC Meta | WAC Stretch |\n|------|-----|----------|-------------|\n| Fase 1 | M3 | 150 | 300 |\n| Fase 2 | M6 | 500 | 1.000 |\n| Fase 3 | M12 | 2.000 | 5.000 |\n| Fase 4 | M24 | 10.000 | 25.000 |\n\n## Como Calcular Wac\n\n1. Registrar session_start com user_id e timestamp no DynamoDB.\n2. Ao encerrar sessao, registrar duracao em segundos.\n3. Query semanal: users com session_count >= 3 AND avg_duration >= 120.\n4. Publicar metrica no CloudWatch namespace Auri\u002FProductMetrics.\n5. Alertar queda > 20% semana a semana.\n\n## Dashboard Cloudwatch (Exemplo De Estrutura)\n\nMetricas customizadas publicadas:\n- SessionStart (Count por Plan: free\u002Fpro\u002Fbusiness)\n- SessionDuration (None - minutos)\n- MessagesPerSession (Count)\n- WAC semanal (Gauge)\n- FreeToProConversions (Count)\n\n---\n\n## Tabela Comparativa\n\n| Feature | Auri | Alexa Pura | Siri | Google Assistant | ChatGPT Voice |\n|---------|------|------------|------|------------------|---------------|\n| Idioma PT-BR nativo | Alta | Media | Media | Alta | Media |\n| Raciocinio profundo | Alta | Baixa | Media | Media | Alta |\n| Memoria multi-sessao | Alta | Baixa | Media | Media | Alta |\n| Integracao smart home | Alta | Maxima | Media | Alta | Baixa |\n| Personalidade consistente | Alta | Media | Media | Media | Alta |\n| Hardware proprio | Usa Echo | Echo | HomePod | Nest | App only |\n| Modelo base | Claude Opus 4 | Alexa LLM | Apple LLM | Gemini | GPT-4o |\n| Privacidade | Alta | Media | Maxima | Baixa | Media |\n| Preco | R\\\u002Fusr\u002Fbin\u002Fbash-99\u002Fmes | Gratis | Gratis | Gratis | R\u0000\u002Fmes |\n| Disponivel no Brasil | Sim | Sim | Sim | Sim | Sim |\n\n## Posicionamento No Mapa Competitivo\n\nEixo X: Integracao com Hardware | Eixo Y: Profundidade de Inteligencia\n\nQuadrante UNICO da Auri: Alta Inteligencia + Alta Integracao Hardware.\nNenhum concorrente ocupa esse quadrante simultaneamente:\n- Alexa pura: Alta integracao, baixa inteligencia.\n- ChatGPT Voice: Alta inteligencia, sem hardware proprio.\n- Google\u002FSiri: Posicionamento intermediario em ambos os eixos.\n\n## Objecoes Frequentes E Respostas\n\n| Objecao | Resposta Auri |\n|---------|---------------|\n| Por que nao ChatGPT? | ChatGPT e app, sem voz-first. Auri e native no Echo. |\n| Alexa ja resolve | Para comandos sim. Para conversas reais, nao. |\n| R\\9 e caro | Menos que 1 cafe\u002Fdia por assistente pessoal 24\u002F7. |\n| E a privacidade? | Dados na sua AWS, retencao configuravel, LGPD compliant. |\n| Amazon vai copiar? | Amazon incentiva ecossistema de skills. Somos parceiros. |\n\n---\n\n## Brand Identity\n\n- Nome: Auri\n- Origem: Aura (presenca intangivel) + IA. Sugere presenca, sabedoria, leveza.\n- Tagline: A voz que pensa com voce.\n\n## Taglines Alternativas\n\n- Alem dos comandos. Muito alem.\n- A IA que mora no seu Echo.\n- Conversas reais. Inteligencia real.\n- Fala com quem realmente ouve.\n\n## Brand Values\n\n1. Inteligencia Autentica - Nunca simula. Quando nao sabe, diz honestamente.\n2. Presenca Calorosa - Tecnologia avancada com calor humano.\n3. Respeito pelo Tempo - Respostas diretas, sem rodeios.\n4. Crescimento Continuo - Evolui com o usuario, aprende com interacoes.\n5. Privacidade como Direito - Dados do usuario pertencem ao usuario.\n\n## Brand Voice Guidelines\n\nTom:\n- Caloroso mas nao piegas.\n- Inteligente mas nao pedante.\n- Direto mas nao grosseiro.\n- Divertido mas nao futil.\n\nNunca: Robotico, corporativo, evasivo, condescendente, ansioso para agradar.\n\nExemplo OK: Nao sei a resposta exata, mas posso te ajudar a encontrar de outra forma.\nExemplo ERRADO: Desculpe, nao tenho essa informacao em meu banco de dados.\n\n## Aplicacoes Da Marca\n\n- App Icon: Forma de onda de voz estilizada em gradiente verde-azul.\n- Paleta: Verde-teal principal, branco neutro, cinza escuro para texto.\n- Tipografia: Sans-serif moderna (similar a produto Apple\u002FSpotify).\n- Motion: Animacao de ondas suaves ao falar (Echo Show).\n\n---\n\n## 10. Comandos Do Skill\n\nEstes comandos ativam modos especificos quando mencionados no contexto de uso do skill.\n\n## \u002FAuri-Status\n\nExibe status atual: versao, WAC vs meta, MRR, proxima entrega, status componentes.\n\nCampos retornados:\n- Versao atual do produto (ex: v1.0.0)\n- WAC atual vs meta da fase atual\n- MRR atual em R$\n- Proxima entrega do roadmap\n- Status: Lambda (OK\u002FDegraded), DynamoDB (OK), Claude API (OK)\n\n## \u002FAuri-Roadmap [Fase]\n\nExibe roadmap completo. Argumento opcional: 1, 2, 3 ou 4 para detalhar fase.\nOutput: Tabela de entregas com status, KPIs e datas estimadas.\n\n## \u002FAuri-Metrics [Periodo]\n\nDashboard de metricas. Argumento: semana | mes | trimestre. Default: semana.\nOutput: WAC, Sessions\u002FUser, Avg Duration, Conversion Rate, MRR e crescimento.\n\n## \u002FAuri-Persona [Aspecto]\n\nGuidelines da persona. Argumento: voz | tom | linguagem | valores | exemplos.\nOutput: Guidelines detalhadas, exemplos de dialogo, templates SSML.\n\n## \u002FAuri-Pricing [Plano]\n\nPlanos e precos. Argumento: free | pro | business | enterprise.\nOutput: Tabela comparativa, projecoes de receita, unit economics.\n\n## \u002FAuri-Gtm [Canal]\n\nGo-to-market strategy. Argumento: organico | pago | influenciadores | parcerias.\nOutput: Plano por canal, mensagens centrais, calendario de lancamento.\n\n## \u002FAuri-Competitive [Competidor]\n\nAnalise competitiva. Argumento: alexa | siri | google | chatgpt.\nOutput: Tabela comparativa, mapa de posicionamento, objecoes e respostas.\n\n---\n\n## Deployment Via Aws Sam\n\nComandos de deploy:\n  sam build --use-container\n  sam deploy --stack-name auri-core --region us-east-1 --capabilities CAPABILITY_IAM\n\nVerificar deployment:\n  aws lambda invoke --function-name auri-core-handler --payload file:\u002F\u002Ftest.json response.json\n\n## Monitoramento Cloudwatch Alarms\n\n| Alarme | Threshold | Acao |\n|--------|-----------|------|\n| high_latency | Duration > 6000ms | PagerDuty |\n| error_rate | Errors > 5 em 5min | Slack #auri-alerts |\n| claude_api_failures | AnthropicAPIErrors > 3 | Slack + fallback |\n| wac_drop | WAC queda > 20% semana | Product team Slack |\n\n## Fallback Strategy (Claude Api Indisponivel)\n\nSe a API da Anthropic estiver indisponivel, o sistema retorna respostas pre-configuradas:\n- api_down: Estou com instabilidade. Pode tentar em alguns minutinhos?\n- timeout: Preciso de mais tempo nessa pergunta. Me faz de novo daqui a pouco?\n- rate_limit: Muitas conversas simultaneas. Tente em alguns segundos!\n\n## Gestao De Custos\n\n| Componente | Custo Estimado (1000 usuarios Pro) |\n|-----------|-----------------------------------|\n| Claude API | R$ 4.000\u002Fmes (R$4\u002Fusuario) |\n| Lambda | R$ 50\u002Fmes |\n| DynamoDB | R$ 80\u002Fmes |\n| CloudWatch | R$ 30\u002Fmes |\n| Total infraestrutura | R$ 4.160\u002Fmes |\n| Receita 1000 Pro | R$ 29.000\u002Fmes |\n| Margem bruta | ~86% |\n\n---\n\n## Lgpd (Lei 13.709\u002F2018)\n\n- Base legal: Execucao de contrato (Art. 7, V) para usuarios Pro\u002FBusiness.\n- Consentimento: Coletado no onboarding da skill via voz + confirmacao.\n- Dados coletados: Texto de conversas, preferencias, dados de uso anonimizados.\n- Retencao: Free = 0 dias | Pro = 90 dias | Business = 365 dias.\n- Direito de exclusao: Comando de voz Auri apaga meus dados -> DynamoDB delete.\n- DPO: Designar antes do lancamento publico.\n\n## Alexa Skills Store - Politicas\n\n- Skill deve seguir Alexa Skills Kit Policies integralmente.\n- Proibido coletar dados sensiveis (saude, financeiros, criancas \u003C 13 anos).\n- In-Skill Purchasing exige aprovacao previa da Amazon.\n- Privacy Policy URL obrigatoria na submissao da skill.\n- Monetizacao: Amazon retira 30% via In-Skill Purchasing.\n\n---\n\n## 13. Glossario\n\n| Termo | Definicao |\n|-------|-----------|\n| WAC | Weekly Active Conversationalists - North Star Metric da Auri |\n| ASK | Alexa Skills Kit - SDK oficial Amazon para Skills |\n| SSML | Speech Synthesis Markup Language - markup para controle de voz |\n| Intent | Acao que o usuario quer executar (ex: me explica X) |\n| Slot | Variavel dentro de um intent (ex: query em me explica {query}) |\n| Utterance | Frase de exemplo que aciona um intent |\n| Session | Uma conversa continua com a Auri (inicio ate encerrar) |\n| Long-term Memory | Dados persistidos no DynamoDB entre sessoes |\n| In-Skill Purchasing | Sistema de cobranca nativo da Alexa Skills Store |\n| Vitoria Neural | Voz Amazon Polly pt-BR de alta qualidade usada pela Auri |\n| Claude claude-opus-4-20250805 | Modelo de linguagem Anthropic usado como motor da Auri |\n| DynamoDB | Banco NoSQL AWS usado para memoria persistente dos usuarios |\n| Lambda | Funcao AWS serverless que processa as requisicoes da Auri |\n| Anthropic | Empresa criadora do Claude, fornecedora da API de IA |\n| MRR | Monthly Recurring Revenue - Receita Mensal Recorrente |\n| LTV | Lifetime Value - Valor do ciclo de vida do cliente |\n| CAC | Customer Acquisition Cost - Custo de aquisicao de cliente |\n\n---\n\n## 14. Links E Recursos\n\n| Recurso | URL \u002F Localizacao |\n|---------|-------------------|\n| Alexa Skills Kit Docs | https:\u002F\u002Fdeveloper.amazon.com\u002Fen-US\u002Falexa\u002Falexa-skills-kit |\n| ASK SDK Python | https:\u002F\u002Fgithub.com\u002Falexa\u002Falexa-skills-kit-sdk-for-python |\n| Amazon Polly Vitoria Neural | https:\u002F\u002Fdocs.aws.amazon.com\u002Fpolly\u002Flatest\u002Fdg\u002Fvoicelist.html |\n| Anthropic Claude API | https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fapi\u002Fgetting-started |\n| Claude claude-opus-4-20250805 Docs | https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fmodels-overview |\n| Alexa Skills Store Brasil | https:\u002F\u002Fwww.amazon.com.br\u002Falexa-skills |\n| DynamoDB Best Practices | https:\u002F\u002Fdocs.aws.amazon.com\u002Famazondynamodb\u002Flatest\u002Fdeveloperguide\u002Fbest-practices.html |\n| In-Skill Purchasing | https:\u002F\u002Fdeveloper.amazon.com\u002Fen-US\u002Fdocs\u002Falexa\u002Fin-skill-purchase\u002Fisp-overview.html |\n| Codigo-fonte Auri | C:\u002FUsers\u002Frenat\u002Fskills\u002Fauri-core\u002F |\n| Amazon Alexa Skill (skill tecnica) | C:\u002FUsers\u002Frenat\u002Fskills\u002Famazon-alexa\u002FSKILL.md |\n\n---\n\n*Auri Core Skill - v1.0.0 | Criado em 2026-03-03 | Skills Ecosystem*\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",{"name":5,"risk":24,"tags":25,"tools":30,"author":36,"source":37,"date_added":38,"description":7},"none",[26,27,28,29],"voice-assistant","product-vision","alexa","aws",[31,32,33,34,35],"claude-code","antigravity","cursor","gemini-cli","codex-cli","renat","community","2026-03-06","main","d69096e239f2a89aabc2cd078c47664a9d3b1e11","05-技能与代理开发\u002Fauri-core",3,"https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts","https:\u002F\u002Fgithub.com\u002Flza6","个人vx：Tf00798\r\n个人✈：@TFGY999","2026-10-08 14:29:22",{"source":8,"skillName":5,"commands":48,"prompt":58,"zipAvailable":59},[49,52,55],{"tool":50,"command":51},"npx","npx skills add lza6\u002FArmor-piercing-system-prompts --skill auri-core",{"tool":53,"command":54},"bunx","bunx skills add lza6\u002FArmor-piercing-system-prompts --skill auri-core",{"tool":56,"command":57},"pnpm","pnpm dlx skills add lza6\u002FArmor-piercing-system-prompts --skill auri-core","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F05-技能与代理开发\u002Fauri-core\u002FSKILL.md",true,[],[62,70,75,82,89,96],{"skillNo":63,"name":64,"nameZh":6,"description":65,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":66,"categories":67,"keywords":68,"publishedAt":69},"01M7FFG485KY83TD6HSC4YPCMC","obsidian-clipper-template-creator","Guide for creating templates for the Obsidian Web Clipper. Use when you want to create a new clipping template, understand available variables, or format clipped content.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobsidian-clipper-template-creator\u002FSKILL.md",[],[],"2026-11-16 10:05:34",{"skillNo":71,"name":64,"nameZh":6,"description":65,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":72,"categories":73,"keywords":74,"publishedAt":69},"01M7FFG0T6AZ0STEJPSB3CX84K","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobsidian-clipper-template-creator-antigravity-awesome-skills-main\u002FSKILL.md",[],[],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":81,"publishedAt":69},"01M7FFFY0QEM14SKWPDYGMXM2P","python-api","Programmatic Object-Detection-Metrics API guidance for BoundingBox, BoundingBoxes, Evaluator, enums, coordinate conversion, AP\u002FmAP semantics, and source-style import diagnostics.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobject-detection-metrics\u002Fsub-skills\u002Fpython-api\u002FSKILL.md",[],[],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":88,"publishedAt":69},"01M7FFFVZQZ2GJ0C0TGP7JHD20","file-evaluation","Folder-based PASCAL VOC AP\u002FmAP evaluation from ground-truth and detection text files.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobject-detection-metrics\u002Fsub-skills\u002Ffile-evaluation\u002FSKILL.md",[],[],{"skillNo":90,"name":91,"nameZh":6,"description":92,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":93,"categories":94,"keywords":95,"publishedAt":69},"01M7FFFSFNYSE77SJ6PE1CK2DA","object-detection-metrics","Guides legacy Object-Detection-Metrics PASCAL VOC AP\u002FmAP evaluation from detection text folders and direct Python API classes.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fobject-detection-metrics\u002FSKILL.md",[],[],{"skillNo":97,"name":98,"nameZh":6,"description":99,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":100,"categories":101,"keywords":102,"publishedAt":69},"01M7FFFP0GCK1RVXBCPQ8APBMT","nx-workspace-patterns","Configure and optimize Nx monorepo workspaces. Use when setting up Nx, configuring project boundaries, optimizing build caching, or implementing affected commands.","https:\u002F\u002Fgithub.com\u002Flza6\u002FArmor-piercing-system-prompts\u002Fblob\u002Fmain\u002F07-后端与架构\u002Fnx-workspace-patterns\u002FSKILL.md",[],[]]