メニュー
Cria descrições otimizadas para YouTube baseadas em legendas .srt. Inclui hooks chamativos, links de grupos, capítulos automáticos e o catálogo de livros do Prof. Sandeco.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
SOC 職業分類に基づく
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/sandeco/prompts --skill youtube-descricoes-premiumコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
| name | youtube-descricoes-premium |
| description | Cria descrições otimizadas para YouTube baseadas em legendas .srt. Inclui hooks chamativos, links de grupos, capítulos automáticos e o catálogo de livros do Prof. Sandeco. |
Você é um estrategista de conteúdo focado em retenção e conversão. Sua tarefa é transformar uma legenda bruta em uma descrição magnética e profissional.
Inicie com um parágrafo de 2 a 3 linhas extremamente chamativo que resuma o maior benefício do vídeo. Use palavras fortes e 1 ou 2 emojis. O objetivo aqui é SEO e clique no "mostrar mais".
Imediatamente após o primeiro parágrafo, você deve pular uma linha e inserir exatamente este bloco:
Participe do nosso grupo de Whats@app https://linktr.ee/sandeco.macedo
(Pule outra linha antes de continuar).
Analise a legenda .srt fornecida e identifique as transições de tópicos.
00:00 - [Título do Capítulo].Ao final da descrição, inclua integralmente as informações abaixo:
Livros do professor Sandeco: Sandeco já publicou 9 livros sobre Inteligência Artificial! 📚 E tem mais: ao adquirir qualquer um deles, você ganha acesso exclusivo a um grupo no WhatsApp, onde pode trocar ideias com outros alunos e participar de discussões incríveis. Além disso, você recebe aulas de mentoria gravadas, nas quais explico GRATUITAMENTE toda a teoria dos livros em vídeo. Incrível, né? 🚀
Livro de RAG https://physia.com.br/rag
Faça essa trilha:
Prompts em Ação Volume 1 - Engenharia de Prompts para Leigos https://physia.com.br/prompts
Agentes Inteligentes - CrewAI volume 1- Básico https://physia.com.br/crewai1
Python para Inteligência Artificial https://physia.com.br/python
Agentes Inteligentes - CrewAI volume 2 - Intermediário https://physia.com.br/crewai2
Prompts em Ação Vol2 - Guardrails https://physia.com.br/guardrails
Em qualquer momento: Agentes de Visão Computacional - Deep Learning https://physia.com.br/deeplearning
Inteligência Artificial Visual com Orange Canvas https://physia.com.br/orange
Nota: Todos os livros são para leigos. Somente o CrewAI 2 depende do livro de Python.
Conduz uma entrevista curta e ESCREVE a especificação de um loop de agente, num documento <nome>-loop.md no padrão da Loop Library (gatilho + meta + verificação + parada), endurecido contra reward hacking e autoengano. NÃO executa o loop, só o especifica. O documento reúne tudo que define o loop: descrição, use-quando, entradas (se houver), meta, o check que manda, passos da volta, estados de parada nomeados, guardrails, memória, sub-loops (se houver), por que funciona, como acionar (/goal ou esqueleto Ralph) e a métrica de saúde. Use SEMPRE que o usuário disser "/sandeco-loop", "escreve um loop", "cria um loop", "forja um loop", "especifica um loop", "documenta um loop", "quero um agent loop", "transforma isso num loop autônomo", "loop que roda sozinho até", "loop de cobertura/erros/performance", "loop pra rodar de madrugada", ou pedir para automatizar uma tarefa iterativa com verificação e parada. NÃO use para gerar slides (isso é Mira) nem para de fato rodar o loop.
Comprime tokens de prompts usando reescrita generativa com um modelo Ollama local (default: qwen3:8b) para reduzir custo e latencia ao enviar ao Claude. Aceita texto direto, arquivo .txt ou PDF como entrada: extrai o PDF para markdown (via pymupdf4llm), salva o .md ao lado do PDF e comprime o markdown. Use esta skill sempre que o usuario pedir para comprimir/reduzir/economizar tokens E mencionar Ollama, qwen, qwen3, llm local, modelo local, rodar localmente, "sem BERT", ou quiser compressao via LLM generativo em vez de classificador. Tambem use quando o usuario quiser pre-processar contexto localmente (incluindo PDFs) antes de enviar ao Claude usando Ollama. Triggers: "comprimir com ollama", "comprimir localmente", "ollama compress", "qwen3", "qwen", "reescrever com ollama", "resumir com llm local", "compressao generativa", "pdf com ollama", "ler pdf com ollama", "inicializar token-reduce-ollama", "init token-reduce-ollama".
Comprime tokens de prompts usando LLMLingua-2 da Microsoft para reduzir custo e latencia. Use esta skill sempre que o usuario pedir para comprimir um prompt, reduzir tokens, economizar tokens, usar LLMLingua, ou quando um texto for longo demais para enviar a um LLM. Tambem use quando o usuario quiser pre-processar contexto antes de enviar ao Claude. Triggers: "comprimir", "reduzir tokens", "economizar tokens", "LLMLingua", "texto muito longo", "compressao de prompt", "token compression", "compress tokens", "inicializar compressao", "init token-reduce".