Habilidades projection-patterns
📦

projection-patterns

Baixo Risco 🌐 Acesso à rede⚙️ Comandos externos

Implementar Padrões de Projeção CQRS

Sistemas baseados em eventos precisam de modelos de leitura eficientes para consultas de alto desempenho. Esta habilidade oferece modelos e padrões prontos para produção para construir projeções, modelos de leitura e visualizações materializadas a partir de fluxos de eventos usando Python.

Suporta: Claude Codex Code(CC)
📊 69 Adequado
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "projection-patterns". Criar uma projeção básica de resumo de pedidos

Resultado esperado:

  • Manipulador de evento OrderCreated: Inserir novo registro de resumo de pedido com dados do cliente
  • Manipulador de evento OrderItemAdded: Atualizar total_amount e incrementar item_count
  • Manipulador de evento OrderShipped: Definir status como shipped e registrar timestamp shipped_at
  • Rastreamento de checkpoint: Armazenar global_position após cada evento processado
  • Design idempotente: Seguro para replay de eventos ao reiniciar o sistema

A utilizar "projection-patterns". Construir uma projeção de rastreador de atividade do cliente

Resultado esperado:

  • Manipulador CustomerCreated: Inserir registro do cliente e inicializar resumo de atividade
  • Manipulador OrderCompleted: Atualizar total_orders e total_spent na tabela de resumo
  • Manipulador OrderCompleted: Inserir na tabela de histórico de pedidos para trilha de auditoria
  • Manipulador ReviewSubmitted: Incrementar contagem de avaliações e registrar data da última avaliação
  • Manipulador CustomerTierChanged: Atualizar tier e timestamp de mudança de tier

A utilizar "projection-patterns". Implementar uma projeção de painel de vendas em tempo real

Resultado esperado:

  • Manipulador OrderCompleted: Upsert de registro de vendas diárias com novos totais de pedidos
  • Manipulador OrderRefunded: Decrementar receita e incrementar totais de reembolso
  • Extração de data: Parse de data de conclusão para agrupar vendas por dia
  • Atualizações atômicas: Usar ON CONFLICT do banco de dados para segurança contra condições de corrida
  • Cálculo de métricas: Rastrear total de pedidos, receita, itens e reembolsos por dia

Auditoria de Segurança

Baixo Risco
v4 • 1/17/2026

This skill is documentation-only containing Python code templates for CQRS projection patterns. Static scanner flagged 42 patterns, but all are false positives triggered by documentation formatting and terminology. No executable code, network calls, or system modifications exist. The skill only provides architectural guidance via markdown templates.

2
Arquivos analisados
664
Linhas analisadas
2
achados
4
Total de auditorias

Fatores de risco

🌐 Acesso à rede (3)
skill-report.json:6 SKILL.md:487 SKILL.md:488
⚙️ Comandos externos (11)
SKILL.md:23-32 SKILL.md:32-47 SKILL.md:47-120 SKILL.md:120-124 SKILL.md:124-246 SKILL.md:246-250 SKILL.md:250-315 SKILL.md:315-319 SKILL.md:319-372 SKILL.md:372-376 SKILL.md:376-468
Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

38
Arquitetura
100
Manutenibilidade
87
Conteúdo
29
Comunidade
90
Segurança
91
Conformidade com especificações

O Que Você Pode Construir

Construir Modelos de Leitura

Transforme fluxos de eventos em modelos de leitura otimizados para sua arquitetura CQRS.

Criar Visualizações de Análise

Construa visualizações agregadas em tempo real para painéis e sistemas de relatórios.

Projetar Sistemas de Eventos

Planejar e implementar estratégias de projeção para microsserviços baseados em eventos.

Tente Estes Prompts

Projeção Básica 
Criar uma classe de projeção básica que manipula eventos OrderCreated e OrderCompleted de um fluxo de eventos e atualiza um modelo de leitura PostgreSQL.
Atualização de Múltiplas Tabelas 
Escrever uma projeção que atualiza tanto uma tabela de resumo de cliente quanto uma tabela de histórico de pedidos quando um evento OrderCompleted ocorre, usando uma única transação de banco de dados.
Sincronização de Índice de Busca 
Criar uma projeção Elasticsearch que indexa eventos de produto para busca de texto completo, manipulando operações de criação, atualização e exclusão.
Métricas Diárias 
Escrever uma projeção que agrega dados de vendas por dia, manipulando tanto pedidos completados quanto reembolsos com lógica de upsert.

Melhores Práticas

  • Torne projeções idempotentes para que possam fazer replay de eventos com segurança após falhas ou reinicializações
  • Use transações de banco de dados quando um único evento atualiza múltiplas tabelas relacionadas
  • Armazene checkpoints para permitir continuação a partir da última posição de evento processada

Evitar

  • Acoplar projeções entre si cria falhas em cascata e dependências de ordenação rígidas
  • Pular tratamento de erros causa falhas silenciosas e inconsistência de dados em modelos de leitura
  • Super-normalizar modelos de leitura derrota o propósito das projeções ao adicionar complexidade de joins

Perguntas Frequentes

Quais bancos de dados funcionam com essas projeções?
Modelos usam asyncpg para PostgreSQL, mas os padrões se aplicam a qualquer driver de banco de dados assíncrono como SQLAlchemy ou bancos com suporte assíncrono.
Como projeções lidam com altos volumes de eventos?
Implemente processamento em lote com batch_size configurável e checkpointing para gerenciar memória e permitir capacidade de reinicialização.
Posso usar esses padrões com Kafka?
Sim, o padrão de projetor funciona com qualquer fonte de eventos. Substitua a chamada event_store.read_all() pela sua lógica de consumidor Kafka.
Meus dados estão seguros com essas projeções?
São modelos arquitetônicos. A segurança real dos dados depende das permissões do seu banco de dados, segurança de conexão e controles de acesso.
Por que minha projeção está ficando para trás do fluxo de eventos?
Verifique o tamanho do lote de eventos, performance de consultas do banco de dados e garanta indexação adequada nas tabelas de modelo de leitura para padrões de dados de eventos.
Como isso é diferente de pipelines ETL?
Projeções processam eventos em ordem conforme ocorrem, mantendo estado. ETL tipicamente executa trabalhos em lote em dados históricos sem atualizações em tempo real.

Detalhes do Desenvolvedor

Autor

wshobson

Licença

MIT

Repositório

https://github.com/wshobson/agents/tree/main/plugins/backend-development/skills/projection-patterns

Referência

main

Estrutura de arquivos

📄 SKILL.md