first-plan-lens-engine

name	first-plan-lens-engine
description	Skill que define o motor de detecção e roteamento de stack lenses do first-plan. Mapeia manifestos (go.mod, package.json, etc) -> stack -> papel -> lens skill correspondente. Use quando precisar decidir qual lens aplicar a uma pasta durante Discovery, ou quando estender suporte a uma nova stack.
version	0.1.0

Lens Engine

Motor que detecta stacks por manifesto, infere papel da pasta e roteia para a skill lens-<stack> correspondente.

Tabela de detecção (manifesto -> stack -> papel)

Manifesto	Stack	Pistas adicionais para inferir papel
go.mod	Go	cmd/ = CLI/binário; internal/ = lib privada; pkg/ = lib pública; presença de chi/gin/echo/fiber = HTTP API; kafka-go/amqp/segmentio/kafka-go = consumer/producer
package.json	Node/TS	next.config.* = Next.js; vite.config.* = SPA Vite; nest-cli.json = NestJS; astro.config.* = Astro; remix.config.* = Remix; sveltekit em deps = SvelteKit; @nuxt/* = Nuxt; sem framework + bin/ = CLI Node
composer.json	PHP	artisan = Laravel; bin/console = Symfony; index.php em pasta public/ sem framework = legacy
pyproject.toml / setup.py / requirements.txt	Python	manage.py = Django; fastapi em deps = FastAPI; flask em deps = Flask; litestar = Litestar; celery em deps = worker; streamlit = data app
Cargo.toml	Rust	[[bin]] = binário; [lib] = lib; presença de actix-web/axum/rocket = HTTP API
*.tf	Terraform	main.tf na raiz = root módulo; modules/ = library; presença de provider "aws" etc para identificar plataforma
Gemfile	Ruby	config.ru = Rack; bin/rails = Rails; presença de sidekiq em Gemfile = worker
pubspec.yaml	Flutter / Dart	lib/main.dart = app Flutter; bin/ = CLI Dart
Package.swift	Swift	Sources/ = lib/app Swift
build.gradle.kts ou build.gradle	Kotlin/Java/Android	AndroidManifest.xml = Android app; application plugin = backend
*.csproj ou *.sln	.NET (C#)	<OutputType>Exe</> = CLI/web; Microsoft.AspNetCore = ASP.NET
mix.exs	Elixir	phoenix em deps = Phoenix
deno.json ou deno.jsonc	Deno	inferir papel pelo entry script
bun.lockb ou bunfig.toml	Bun	similar a Node/TS, framework por inspeção

Algoritmo de detecção

1. Para cada pasta candidata (root + subdiretórios não-ignorados):
   a. Listar arquivos top-level
   b. Match contra tabela acima (primeiro match ganha; se múltiplos, todos contam = polyglot)
   c. Se match: registrar stack + papel inferido
   d. Se nenhum match: aplicar lens-generic
   
2. Excluir pastas:
   - node_modules, vendor, target, dist, build, .next, .nuxt, venv, .venv
   - .cache, coverage
   - Pastas listadas em .gitignore

3. Limites:
   - Profundidade máxima: 4 níveis
   - Tamanho máximo por arquivo de manifesto inspecionado: 1MB
   - Em monorepo grande (>50 manifestos), aplicar amostragem por pasta principal

Roteamento para lens-

Após detectar stack X, carregar e aplicar skills/lens-<x>/SKILL.md. Cada lens segue o contrato comum:

Contrato comum de lens

Cada lens-<stack>/SKILL.md deve providenciar:

1. Detecção fina - como diferenciar variantes da stack (Next vs Remix em Node; Django vs FastAPI em Python)
2. Extração de padrões obrigatórios:
   • Layout de pastas (entry points, organização)
   • Convenção de errors
   • Convenção de logging
   • Convenção de testes
   • Convenção de DI / composição
   • Padrões de validação (se aplicável)
   • Code generation (se aplicável)
3. Output esperado - quais arquivos do .first-plan/ cada lens preenche
4. Confidence rules - quando aumentar/diminuir confidence

Stack desconhecida / fallback

Se detectado manifesto não-listado ou nenhum manifesto:

1. Aplicar lens-generic/SKILL.md
2. Registrar em .first-plan/01-topology/stacks.md como "stack: unknown, lens: generic"
3. Reduzir confidence base para 0.5 (max 0.7)

Como estender (adicionar nova stack)

1. Criar skills/lens-<nova-stack>/SKILL.md seguindo o contrato comum
2. Adicionar entrada na tabela acima (atualizar este arquivo)
3. Não há outra mudança necessária - o engine descobre a skill via filesystem

Polyglot (múltiplas stacks na mesma pasta)

Quando uma pasta tem múltiplos manifestos (ex: package.json + composer.json em projeto Laravel + frontend):

• Registrar todas as stacks
• Aplicar cada lens em paralelo
• Nas seções compartilhadas (architecture.md, boundaries.md), reconciliar findings

Output em .first-plan/01-topology/stacks.md

Cada stack detectada vira uma seção no stacks.md com:

• Manifesto (caminho)
• Versão (do manifesto)
• Papel inferido
• Lens aplicada
• Pastas relacionadas
• Framework dominante
• Confidence