Revisões manuais de código são lentas e inconsistentes. Esta skill orquestra 4 agentes especializados em IA que analisam pull requests em paralelo para vulnerabilidades de segurança, gargalos de performance, problemas de estilo de código, lacunas de cobertura de testes e completude de documentação com pontuação de prontidão para merge.

Lançamentos de software exigem coordenar incrementos de versão, testes, implantação e documentação. Esta skill orquestra múltiplos agentes de IA para gerenciar todo o fluxo de trabalho de lançamento automaticamente. Ela garante processos consistentes, reduz erros humanos e fornece capacidades de reversão.

Coordenar lançamentos de produtos entre várias equipes é complexo e propenso a erros. Esta skill orquestra mais de 15 agentes de IA especializados através de um fluxo de trabalho comprovado de 10 semanas, cobrindo fases de pesquisa, desenvolvimento, marketing, lançamento e otimização.

Problemas de desempenho de aplicativos são difíceis de identificar sem as ferramentas adequadas. Esta habilidade mede o uso de CPU, alocação de memória, latência de E/S e solicitações de rede para identificar gargalos e gerar recomendações de otimização.

Fluxos de trabalho complexos de múltiplos agentes tornam-se geráveis quando tratados sequencialmente. Esta skill fornece uma abordagem estruturada para decompor tarefas, coordenar execução distribuída através de agentes especializados e sintetizar resultados em saídas unificadas.

Escrever prompts eficazes é um desafio quando os orçamentos de tokens são limitados e a clareza importa. Esta skill analisa seus prompts para detectar redundâncias, instruções vagas e anti-padrões, e fornece recomendações de otimização específicas que podem reduzir o uso de tokens em 20-50% enquanto melhoram a clareza.

Prompts mal estruturados produzem respostas de IA inconsistentes. Esta skill aplica um framework de 5 fases usando Chain-of-Thought, Self-Consistency e outros padrões baseados em evidências para transformar prompts em versões de alto desempenho com melhoria mensurável.

O desempenho do agente estagna sem aprender com a experiência. O ReasoningBank captura trajetórias de decisão, extrai padrões e treina modelos para melhorar continuamente as estratégias do agente ao longo do tempo.

Projetos de software frequentemente possuem problemas ocultos de dependências que causam vulnerabilidades de segurança, problemas de build e dores de cabeça de manutenção. O Dependency Mapper extrai árvores completas de dependências, detecta dependências circulares, identifica pacotes desatualizados e verifica vulnerabilidades de segurança em múltiplos gerenciadores de pacotes.

Acabar com os tokens no meio de uma tarefa desperdiça tempo e esforço. Esta skill analisa seu orçamento de tokens, estima a complexidade da tarefa e cria planos de execução fragmentados que garantem a conclusão do trabalho dentro dos limites.

Gerenciar mudanças em vários repositórios é complexo e sujeito a erros. Esta skill orquestra agentes de IA para propagar atualizações, impor arquitetura e sincronizar releases de forma consistente em todos os repositórios.

Gerir projetos GitHub manualmente desperdiça tempo e cria seguimento inconsistente. Esta habilidade coordena agentes inteligentes para automatizar o triagem de issues, planeamento de sprints, seguimento de marcos e sincronização de quadros usando a API do GitHub Projects v2.

Reunir requisitos do projeto pode ser demorado e incompleto quando feito através de conversa linear. Esta skill usa a ferramenta de perguntas interativas do Claude Code para coletar sistematicamente todas as informações necessárias através de perguntas estruturadas de múltipla escolha, garantindo que nada seja esquecido.

Documentação manual é demorada e frequentemente desatualizada. Esta skill gera automaticamente documentação abrangente de API, arquivos README, comentários inline e diagramas de arquitetura ao analisar a estrutura do código.

Desenvolver modelos de machine learning requer expertise em preparação de dados, seleção de arquitetura, treinamento e implantação. Esta skill automatiza todo o pipeline de ML com melhores práticas integradas, entregando modelos prontos para produção em menos de 90 minutos.

Código falso que parece completo mas não funciona pode chegar à produção e causar falhas. Esta skill identifica sistematicamente código de teatro através de varredura de padrões, validação de execução e análise comportamental para prevenir que implementações não funcionais sejam lançadas.

Gerenciar agentes de IA distribuídos em infraestrutura de nuvem é complexo e propenso a erros. Esta skill fornece um processo padronizado de 5 fases para inicializar, implantar, coordenar, monitorar e escalar enxames de agentes usando a plataforma Flow Nexus com otimização automática.

O treinamento de ML pode falhar silenciosamente com problemas como divergência de perda, valores NaN, overfitting e problemas de gradiente. Esta skill fornece um fluxo de trabalho sistemático de 5 fases para diagnosticar causas raízes, aplicar correções e validar melhorias com técnicas comprovadas.

Encontrar bugs em bases de código complexas desperdiça tempo valioso de desenvolvimento. Esta skill fornece um fluxo de trabalho estruturado de depuração em 5 fases que identifica causas raiz e valida correções automaticamente.

Os comandos slash oferecem acesso rápido a micro-habilidades pela linha de comando. Esta habilidade guia você pelo design, geração, teste e implantação de comandos slash personalizados com validação e documentação.