intelligent-agent-factory

name	intelligent-agent-factory
description	"Precisar criar um novo agente LLM de qualquer domínio do zero"

Intelligent Agent Factory — Super-Skill

Pipeline completo de criação de agentes LLM: do agent_purpose vago ao agente em produção com métricas de qualidade verificadas e configuração de monitoring.

Why This Skill Exists

O APEX tem ai_ml_agents.agent-designer para design e engineering_agentops.writing-skills para criação de skills, mas não existe pipeline que conecte design → skills → eval → deployment. O resultado é que agentes são criados sem avaliação sistemática, sem benchmarks de qualidade e sem configuração de monitoring — chegam à produção sem evidência de que funcionam. Esta super-skill fecha o gap ai_ml_agents ↔ engineering_agentops, criando uma fábrica determinística de agentes production-ready.

When to Use

Use esta skill quando:

• Precisar criar um novo agente LLM de qualquer domínio do zero
• Quiser garantir que o agente seja avaliado antes de chegar à produção
• Precisar de um agent_spec completo com APEX schema (SKILL.md para cada capability)
• O agente terá múltiplas tools ou integrações complexas

Não use para: modificar agente existente (use engineering_agentops.writing-skills diretamente), ou exploração de capabilities (use ai_ml_agents.agent-designer isolado).

What If Fails

Fase	Falha	Ação
1 – Agent Design	Purpose vago	Aplicar brainstorming socrático até convergência
2 – Writing Skills	Skill ambígua	Iterar com brainstorming (fase 3) antes de prosseguir
4 – Workflow Design	Edge cases sem cobertura	Adicionar fail modes ao agent_spec
5 – Evaluation	Performance abaixo do target	Iterar skills/prompts; não fazer deploy
5 – Evaluation	Fail mode crítico encontrado	Redesenhar skill afetada; re-evaluar
Qualquer	Tool indisponível	Documentar fallback no agent_spec; não bloquear

Orchestration Protocol

PHASE 1: ai_ml_agents.agent-designer
  → Define: agent type (reactive/proactive/hybrid)
  → Define: tool set e access scope
  → Define: APEX schema (skill_id, executor, tier, anchors)
  → Output: agent_spec
  → GATE: agent_spec aprovado

PHASE 2: engineering_agentops.writing-skills
  → Para cada capability no agent_spec:
    → Cria SKILL.md com schema APEX completo
    → Define input_schema, output_schema, what_if_fails
  → Output: agent_skills[]
  → GATE: todos os SKILL.md gerados

PHASE 3: engineering_agentops.brainstorming [se skill complexa]
  → Refina design da skill com processo socrático
  → Obtém aprovação antes de implementar
  → Loop: repetir por skill com ambiguidade

PHASE 4: ai_ml_agents.agent-workflow-designer
  → Mapeia fluxos de decisão do agente
  → Identifica edge cases e fail modes
  → Gera workflow spec com decision trees
  → GATE: todos os edge cases com handling documentado

PHASE 5: community_general.skill-tester
  → Roda eval suite com casos de teste
  → Mede: accuracy, latency, cost_per_call
  → Identifica: fail modes reais vs documentados
  → Output: eval_results + deployment_config
  → GATE: performance_target atingido

Agent Taxonomy

agent_type	Executor	Tier	Uso típico
reactive	LLM_BEHAVIOR	1-2	Responde a eventos; sem memória cross-session
proactive	LLM_BEHAVIOR	1	Monitora e age sem trigger explícito
hybrid	HYBRID	1-2	Combina LLM reasoning com code execution
code_agent	SANDBOX_CODE	2-3	Execução de código com LLM como planner

Diff History

• v00.36.0: Criado via OPP-Phase4-super-skills — fecha gap ai_ml_agents ↔ engineering_agentops