dare-quality-telemetry

name	dare-quality-telemetry
description	Coleta de métricas de qualidade e detecção de regressões em projetos DARE. Agrega métricas das skills filhas (dare-ax, dare-layered-design, etc.), persiste histórico em tmp/dare_metrics.json e detecta regressões contra baseline. Inclui template de GitHub Actions.

DARE Quality Telemetry Skill

Você é um engenheiro de plataforma especialista em observabilidade de qualidade. Seu papel é garantir que todo projeto DARE colete métricas das skills aplicadas, persista histórico, e detecte regressões antes do release.

Quando usar esta skill

• Projeto já tem várias skills DARE configuradas (ax, layered-design, llm-integration, etc.)
• Você quer ver evolução de métricas ao longo do tempo
• Você quer falhar o CI quando uma métrica regredir
• Você quer dashboards/reports de saúde do projeto

O que essa skill faz

1. Coleta — roda os collectors de cada skill filha em paralelo
2. Agrega — junta todas as métricas em um snapshot estruturado
3. Persiste — guarda em tmp/dare_metrics.json (histórico append-only)
4. Compara — diff contra tmp/dare_metrics_baseline.json
5. Reporta — gera markdown report para CI ou stdout
6. Bloqueia — exit code ≠ 0 se regressão crítica

Arquitetura

┌──────────────────────────────────────────────────────────┐
│  collect.ts (orquestrador)                                │
└──────────────────────────────────────────────────────────┘
            ↓ chama em paralelo
┌────────────────┬────────────────┬────────────────┐
│ ax collector   │ layered coll.  │ llm coll.      │  …
└────────────────┴────────────────┴────────────────┘
            ↓
┌──────────────────────────────────────────────────────────┐
│  Aggregator → snapshot { skill: { M-01: value, ... } }    │
└──────────────────────────────────────────────────────────┘
            ↓
┌──────────────────────────────────────────────────────────┐
│  tmp/dare_metrics.json (append) + Regression detector     │
└──────────────────────────────────────────────────────────┘
            ↓
┌──────────────────────────────────────────────────────────┐
│  Reporter → markdown / json / GitHub Action summary       │
└──────────────────────────────────────────────────────────┘

Métricas obrigatórias da própria skill

ID	Métrica	Como medir
M-01	100% dos builds incluem coleta de métricas (skill instalada = sempre true)	Verifica package.json ou pipeline yml
M-02	0 regressões passam despercebidas (baseline existe para comparação)	test -f tmp/dare_metrics_baseline.json
M-03	Histórico de métricas mantido	test -f tmp/dare_metrics.json
M-04	Workflow GitHub Actions existe	test -f .github/workflows/dare-metrics.yml

Como aplicar

Passo 1: Instalar a skill no projeto

# Dentro do projeto
pnpm add @dare/quality-telemetry
# ou
npm install @dare/quality-telemetry

Passo 2: Configurar quais skills rastrear

# dare.config.yml
telemetry:
  skills:
    - dare-ax
    - dare-layered-design
    - dare-llm-integration
    - dare-frontend-design
    - dare-realtime
  output: tmp/dare_metrics.json
  baseline: tmp/dare_metrics_baseline.json
  fail_on_regression: true

Passo 3: Rodar collect

dare metrics collect
# saída:
#   ✓ dare-ax        M-01:1.0  M-02:1.0  M-03:1.0  M-04:1.0
#   ✓ dare-layered   M-01:0.95 M-02:1.0  M-03:1.0  M-04:1.0
#   ✓ dare-llm       M-01:1.0  M-02:0.92 M-03:1.0  M-04:1.0

Passo 4: Capturar baseline

dare metrics baseline
# copia tmp/dare_metrics.json → tmp/dare_metrics_baseline.json

Passo 5: Adicionar workflow CI

# .github/workflows/dare-metrics.yml
name: DARE Metrics

on: [push, pull_request]

jobs:
  metrics:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with: { node-version: '20' }
      - run: pnpm install
      - run: pnpm dare metrics collect
      - run: pnpm dare metrics compare
        # exit 1 se regressão crítica detectada
      - uses: actions/upload-artifact@v4
        with:
          name: dare-metrics
          path: tmp/dare_metrics*.json

Schema do snapshot

{
  "timestamp": "2026-05-26T10:30:00Z",
  "commit": "1d4a1417",
  "branch": "main",
  "skills": {
    "dare-ax": {
      "M-01": { "value": 1.0, "status": "PASS" },
      "M-02": { "value": 1.0, "status": "PASS" },
      "M-03": { "value": 1.0, "status": "PASS" },
      "M-04": { "value": 1.0, "status": "PASS" }
    },
    "dare-layered-design": {
      "M-01": { "value": 0.95, "status": "PASS" },
      "M-02": { "value": 1.0, "status": "PASS" },
      "M-03": { "value": 1.0, "status": "PASS" },
      "M-04": { "value": 1.0, "status": "PASS" }
    }
  }
}

Detecção de regressão

Para cada métrica, comparar valor atual com baseline:

Mudança	Severidade	Ação
value caiu ≥ 5%	CRITICAL	bloquear PR
value caiu < 5% mas ≥ 1%	WARNING	comentar no PR, não bloquear
value subiu	INFO	celebrar
value igual	NEUTRAL	nenhuma

Antipatterns

AP	Antipattern	Por que evitar
AP-01	Coletar métricas sem baseline	Não dá pra detectar regressão
AP-02	Histórico não versionado	Perde contexto histórico
AP-03	Coletar mas não bloquear regressão	CI vira teatro
AP-04	Baseline desatualizado	Regressão real fica invisível

Boas práticas

1. Baseline atualizado a cada release — não a cada commit
2. Regressão = bloqueio de release, não comentário ignorável
3. Métricas exportadas para Datadog/Grafana após N coletas, para visualizar tendência
4. Skill deve rodar em < 60s — se demorar, paralelizar collectors

Dicas

• Use o template packages/skills/dare-quality-telemetry/github_actions_template.ts para gerar .github/workflows/dare-metrics.yml
• Combine com dare-ax (M-01 a M-04 dela são coletadas aqui)
• Estenda criando collectors custom para métricas específicas do projeto (cobertura de testes, build time, etc.)

---

Esta skill é parte do DARE Method e está sob licença MIT.