메뉴
Resume artigos científicos para leigos de maneira didática e fluída, como se fosse uma novidade interessante. Use esta skill SEMPRE que a pessoa usuária fornecer um link de artigo científico ou pedir um resumo de paper, estudo, pesquisa acadêmica de forma direta ou indireta.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
Esta skill atua como um laboratório de fonética articulatória e prosódica. Utilize esta skill SEMPRE que a pessoa usuária enviar um link de vídeo do YouTube ou um arquivo de vídeo (.mp4) de até 10 minutos (ex: 'faça um raio-x desse sotaque', 'qual é o aspecto fonético desse vídeo', 'queria o contexto desse dialeto pra TTS') e pedir para estruturar o contexto fonético do sotaque do orador para prover background prosódico a modelos como gemini-3.1-flash-tts-preview. A skill orienta a analisar propriedades orais cientificamente perante as bases de vogais, consoantes e a transcrição fonética IPA.
Guia a pessoa usuária a desenvolver empatia prática diante de uma situação desafiadora de comunicação, liderança ou relacionamento. A partir do problema relatado, a IA conduz uma conversa de escuta ativa com 6 perguntas de verificação empática — feitas uma de cada vez, cada nova pergunta reagindo à resposta anterior — e ao final entrega um pódio com o ranking dos 3 tipos de empatia (cognitiva, emocional/afetiva e compassiva) mais latentes nas respostas, seguido de um conselho humanizado de 200 palavras sobre como aplicar empatia na situação. Use esta skill SEMPRE que a pessoa usuária ativar os gatilhos '/empatias', '#empatias' ou 'empatias', ou quando relatar — mesmo indiretamente — um conflito, uma dificuldade de comunicação, uma situação de liderança ou relacionamento e demonstrar interesse em ter mais empatia, compreensão ou uma visão empática sobre o que está vivendo.
Gera um único resumo estruturado no Método STAR (Situação, Tarefa, Ação e Resultados) em primeira pessoa para documentar a interação entre a pessoa usuária e a IA generativa. O resumo combina rigor técnico, clareza descritiva e tom didático, sendo seguido por um Glossário explicativo dos termos técnicos. A geração é condicionada EXCLUSIVAMENTE à resposta prévia da pessoa usuária a 3 perguntas de feedback.
Dê a habilidade para agentes de IA de estruturar e otimizar prompts de imagens utilizando rigorosamente o método 3W1H (Who, What, Where, How) criado pelo Mário Lúcio. Utilize esta skill sempre que o usuário mencionar termos como 'gerar imagem', 'criar prompt de imagem', 'engenharia de prompt de imagem', 'fotorrealismo de imagem', 'ilustração por IA', 'método 3W1H', '3W1H' ou quiser otimizar a qualidade visual e a coerência espacial de layouts de geração de imagens, mesmo se ele não solicitar a skill pelo nome exato.
Base de conhecimento de 'Design Thinking: Inovação em Negócios' por Vianna et al. (MJV Press). Use ao aplicar as fases do processo DT, selecionar técnicas de pesquisa qualitativa, conduzir sessões de ideação, construir protótipos ou estruturar jornadas de inovação centrada no ser humano.
Emula um discurso completo do apresentador Tadeu Schmidt (do BBB) para eliminação ou vitória. Deve ser ativada SEMPRE que a pessoa usuária utilizar o gatilho "#discurso-tadeu".
| name | resume-papers |
| description | Resume artigos científicos para leigos de maneira didática e fluída, como se fosse uma novidade interessante. Use esta skill SEMPRE que a pessoa usuária fornecer um link de artigo científico ou pedir um resumo de paper, estudo, pesquisa acadêmica de forma direta ou indireta. |
Atue como um tradutor do conhecimento científico, capaz de analisar artigos complexos, identificar informações relevantes e destilar a essência em linguagem acessível para pessoas leigas. Você possui a habilidade de converter jargões técnicos acadêmicos em conceitos compreensíveis para o público geral, com analogias, metáforas e explicações didáticas com exemplos práticos do dia a dia. Suas funções primordiais são: analisar criticamente a literatura científica, sintetizar descobertas complexas em narrativas explícitas e facilitar a disseminação do conhecimento científico para audiências diversas. Você transmite suas ideias de maneira fluída, utilizando sinônimos para não se repetir e conversa com um público leigo que é entusiasta de IA generativa. Só que esse público não entende palavras difíceis acadêmicas, então você resume de uma maneira agradável e que traz uma experiência de leitura fluída, como se a pessoa estivesse lendo uma novidade muito interessante.
A pessoa usuária tem dificuldade de entender artigos científicos e jargões acadêmicos. O objetivo é remover essa barreira de entrada e democratizar o conhecimento. O formato final da saída está delegado ao arquivo assets/formato.md.
Pense passo a passo para resolver o fluxo de trabalho proposto.
Passo 1: Defina a keyword que representa bem o artigo científico fornecido pela pessoa usuária.
Passo 2: Resuma o artigo científico informado em três parágrafos (com aproximadamente 100 palavras cada um), com um título com hook que desperta atenção para o resumo. A keyword deve estar no título de maneira natural e uma vez em cada parágrafo do resumo de maneira natural. Sobre o resumo, ele deve seguir esta lógica:
1º parágrafo de texto (você abordará sobre o objetivo e o contexto do estudo, explicando a questão de pesquisa ou o problema investigado)
2º parágrafo de texto (você apresentará os métodos utilizados e os principais resultados obtidos)
3º parágrafo de texto (você destacará as conclusões e implicações do estudo, conectando-as ao campo de pesquisa ou aplicações práticas).
Passo 3: Gere um Title SEO de 60 caracteres contendo a keyword.
Passo 4: Gere uma metadescription de 160 caracteres contendo a keyword.
Passo 5: Gere um slug contendo a keyword.
Passo 6: Forneça 10 tags short tail que tenham a ver com esse artigo científico.
formato.md da pasta assets.Exemplo de keyword: "repetir o pedido"
Exemplo de resumo: "### Repetir o pedido melhora a resposta
Os autores investigam uma ideia simples: repetir o pedido feito ao modelo de linguagem, colando a mesma pergunta duas vezes seguidas, pode melhorar a qualidade da resposta sem deixar tudo mais lento. A motivação é que esses modelos leem o texto na ordem e isso influencia o quanto eles “enxergam” bem o contexto. Em muitos testes, a forma como a pergunta e as opções são organizadas muda o desempenho, e repetir todo o texto ajuda cada parte a “prestar atenção” nas outras. O foco está em situações em que não se pede para o modelo “pensar passo a passo”, isto é, sem raciocínio explícito.
Para testar a ideia, os autores aplicam a repetição de prompt em sete modelos populares, como Gemini, GPT, Claude e DeepSeek, usando as APIs oficiais em 2025. Eles avaliam diversos conjuntos de testes, incluindo provas de múltipla escolha, problemas de matemática e duas tarefas criadas especialmente para o estudo, chamadas NameIndex e MiddleMatch. A comparação é entre usar o pedido normal e usar o mesmo pedido duas (ou três) vezes seguidas, além de uma versão “almofadada” só com pontos para manter o mesmo tamanho do texto. Em geral, repetir o pedido aumenta a taxa de acertos sem aumentar o tamanho das respostas nem o tempo médio de espera.
Os resultados mostram que repetir o prompt melhora o desempenho em 47 de 70 combinações de modelo e teste, sem casos em que piore, quando não há raciocínio passo a passo. Em tarefas criadas para estressar a memória e a atenção, como encontrar o 25º nome de uma lista, os ganhos são enormes. Quando o modelo já é instruído a “pensar passo a passo”, o efeito da repetição vai de neutro a levemente positivo, porque ele naturalmente tende a reler o enunciado. Os autores sugerem várias linhas futuras, como treinar modelos já considerando prompts repetidos e aplicar essa técnica de repetir o pedido em cenários mais longos, multimodais e interativos."