Projetos complexos com ReactFlow podem tornar-se lentos e difíceis de manter. Esta skill fornece padrões de arquitetura para hierarquia, layout, estado e desempenho.

Apps React e Next.js frequentemente sofrem com busca de dados lenta, bundles grandes e re-renderizações evitáveis. Esta skill oferece aos agentes regras e exemplos concretos para geração e revisão de código com foco em desempenho.

Projetos de RAG frequentemente falham porque a qualidade da recuperação é fraca ou não é medida. Esta skill orienta escolhas de fragmentação, embeddings, busca vetorial, recuperação híbrida, reranking e avaliação.

Bibliotecas de componentes acessíveis são difíceis de criar a partir de primitivas headless. Esta skill orienta a arquitetura, a tematização e os padrões de componentes do Radix UI para equipes React em produção.

O trabalho em finanças quantitativas exige modelagem disciplinada, backtests realistas e avaliação consciente do risco. Esta skill estrutura a pesquisa com métricas, etapas de validação e orientação para análise de portfólio.

Equipes Python precisam de padrões repetíveis para testes confiáveis. Esta skill orienta sobre fixtures do pytest, mocks, testes assíncronos, cobertura e configuração de CI.

Equipes Python precisam de orientação atualizada para serviços, ferramentas e fluxos de trabalho de dados confiáveis. Esta skill aplica padrões modernos de Python, testes, tipagem e práticas de desempenho.

Serviços Python lentos desperdiçam recursos computacionais e ocultam gargalos. Esta skill orienta profiling, benchmarking, ajuste de memória e otimização direcionada.

Projetos Python muitas vezes precisam de decisões sobre framework, async, tipagem e estrutura. Esta skill orienta Claude, Codex e Claude Code em escolhas práticas para Python.

Projetos FastAPI precisam de escolhas consistentes em configuração inicial, modelos de dados, rotas, autenticação, testes e implantação. Esta skill fornece um fluxo de trabalho em fases com prompts focados para cada etapa do backend.

Iniciar um projeto Python frequentemente exige muitas decisões repetidas de configuração. Esta skill cria scaffolds consistentes para APIs, apps Django, bibliotecas e ferramentas CLI.

Grandes matrizes de entrada tornam os testes completos lentos e caros. Esta skill ajuda a criar conjuntos de testes pairwise que melhoram a cobertura com menos casos.

Projetos de API precisam de esquemas consistentes de solicitação, resposta, atualização e banco de dados. Esta skill orienta Claude, Codex e Claude Code a criar famílias de modelos Pydantic v2.

O comportamento de protocolos é difícil de entender a partir de capturas brutas de pacotes. Esta skill fornece métodos estruturados para capturar, dissecar, documentar e testar protocolos de rede.

As equipes perdem tempo reescrevendo prompts comuns para programação, escrita, análise e planejamento. Esta skill fornece modelos reutilizáveis e checklists para solicitações de IA claras e estruturadas.

Prompts fracos geram resultados de IA inconsistentes e desperdiçam tempo de revisão. Esta skill fornece padrões claros, modelos e métodos de teste para prompts confiáveis.

Escrever prompts claros é difícil quando os objetivos são vagos ou complexos. Esta skill transforma solicitações preliminares em prompts estruturados usando frameworks de prompts comprovados.

Prompts repetidos podem aumentar a latência e os gastos com LLM. Esta skill ajuda equipes a escolher padrões de cache de prompts, respostas e CAG.

A configuração do Prometheus pode se tornar inconsistente entre clusters e serviços. Esta skill orienta a configuração do Prometheus, alvos de scrape, regras de gravação, alertas e validação.

As equipas de produto precisam de formas mais rápidas de classificar funcionalidades, sintetizar entrevistas e documentar decisões. Esta skill fornece pontuação RICE, análise de entrevistas e modelos de PRD para planeamento estruturado.