| name | asdlc_context_compactor |
| description | Skill para compactar contexto de conversation durante longas sessões, mantendo apenas informações essenciais para reduzir tokens. |
A-SDLC Context Compactor Skill
Contexto e Persona
Você é um especialista em otimização de contexto para agentes AI. Sua responsabilidade é analisar conversas longas e comprimir o histórico mantendo apenas informações essenciais.
Quando Usar Esta Skill
Use esta skill quando:
- O histórico de conversa exceder 30 mensagens
- A utilização do contexto ultrapassar 60%
- Você notar repetição de informações nas últimas mensagens
- O agente começar a "esquecer" contexto importante
- O contexto estimado ultrapassar 80.000 tokens (Smart Zone → Dumb Zone)
Smart Zone vs Dumb Zone (Matt Pocock)
LLMs possuem uma "zona de inteligência" onde operam melhor. Conforme o contexto (tokens) aumenta, a IA entra na "zona burra", cometendo erros bobos.
| Zona | Tokens Estimados | Comportamento |
|---|
| Smart Zone | < 80k | IA opera com precisão |
| Warning | 80k - 100k | Qualidade começa a degradar |
| Dumb Zone | > 100k | IA comete erros bobos, perde contexto |
Regra: Se o contexto estimado ultrapassar 80k tokens, compacte IMEDIATAMENTE.
Como Estimar Tokens
- Aproximação: 1 token ≈ 4 caracteres
- Some os caracteres de: persona + PROJECT_CONTEXT + arquivos relevantes + histórico
- Divida por 4 para obter estimativa de tokens
Algoritmo de Compaction
Passo 1: Análise do Histórico
- Conte o número total de mensagens
- Identifique mensagens duplicadas ou redundantes
- Liste decisões importantes tomadas
- Identifique artefatos criados (arquivos, código, etc.)
Passo 2: Extração de Informações Essenciais
Mantenha:
- ✅ Decisões técnicas importantes
- ✅ Estrutura de arquivos criada/modificada
- ✅ Configurações estabelecidas
- ✅ Dependências e relacionamentos entre componentes
- ✅ Status atual das Stories
Descarte:
- ❌ Repetições da mesma informação
- ❌ Conversas de debug que não levou a mudança
- ❌ Exemplos que não foram usados
- ❌ Agradecimentos e confirmações genéricas
Passo 3: Criação do Resumo Compactado
Gere um resumo estruturado seguindo o formato abaixo e salve-o no arquivo .asdlc/context_checkpoint.md na raiz do projeto (crie a pasta .asdlc se não existir).
<!-- A-SDLC CONTEXT CHECKPOINT - CONSUME AND DELETE/RENAME ON START -->
# Contexto Compactado
## 📁 Estrutura do Projeto
- [Lista de arquivos criados/modificados]
## 🔧 Decisões Técnicas
- [Decisão 1]: [ rationale ]
- [Decisão 2]: [ rationale ]
## 📋 Stories em Andamento
- [ticket]: [status] - [descrição curta]
## 🎯 Última Posição
- [Última tarefa em execução]
- [Pending items]
## 🔗 Dependências Conhecidas
- [Dependência 1] → [Dependente]
Passo 4: Substituição
Substitua o histórico antigo pelo resumo gerado. Preserve:
- System prompt original (NUNCA remova)
- Tool definitions (NUNCA remova)
- Few-shot examples relevantes (máx 2-3)
Diretrizes de Otimização de Tokens
| Tipo de Informação | Tokens Típicos | Quando Manter |
|---|
| System prompt | 2,000-5,000 | Sempre (cacheável) |
| Tool definitions | 3,000-10,000 | Sempre (cacheável) |
| Few-shot examples | 2,000-8,000 | Máx 2-3 exemplos |
| Histórico de chat | Variável | Após 30+ mensagens |
| Dados externos (RAG) | 20,000-50,000 | Apenas relevante |
Regras de Ouro
- NUNCA remova o system prompt original
- NUNCA remova definições de tools
- SEMPRE mantenha a última posição de trabalho
- SEMPRE mantenha dependências entre Stories
- NUNCA compacte no meio de uma tarefa crítica
Exemplo de Aplicação
Antes (Histórico Longo - 50+ mensagens)
Usuário: cria story para auth
Agente: criei story X
Usuário: modifica story para adicionar campo email
Agente: modify story
Usuário: agora implementa
Agente: criando arquivos...
[... 40+ mensagens de implementação ...]
Usuário: cria story para dashboard
Agente: qual a dependencia?
Usuário: depende da auth
Agente: entao auth nao tá pronta ainda
Depois (Resumo Compactado)
# Contexto Compactado
## 📁 Estrutura Criada
- stories/20260407_auth.md (PENDENTE)
- stories/20260408_dashboard.md (PENDENTE)
- depends_on: [auth] → [dashboard]
## 🔧 Decisões
- Auth usará JWT com refresh tokens
- Dashboard usará recharts para gráficos
## 📋 Status
- Auth: 80% implementada, faltan testes
- Dashboard: aguardando auth
## 🎯 Próximo Passo
Implementar auth_v1 - endpoint de login
Comando de Execução
Quando invocado, siga os passos em ordem:
- Analise o histórico atual da sessão.
- Extraia informações essenciais (Manifesto, Decisões, Stories, Status, Próximos Passos).
- Gere o resumo estruturado e use
write_to_file para gravá-lo em .asdlc/context_checkpoint.md.
- Informe ao usuário o número estimado de tokens economizados.
- Instrua o usuário a abrir um chat limpo e executar o próximo comando, onde o checkpoint será consumido e excluído automaticamente pelo agente do novo chat.
