asdlc-context-compactor

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

1. Conte o número total de mensagens
2. Identifique mensagens duplicadas ou redundantes
3. Liste decisões importantes tomadas
4. 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

1. NUNCA remova o system prompt original
2. NUNCA remova definições de tools
3. SEMPRE mantenha a última posição de trabalho
4. SEMPRE mantenha dependências entre Stories
5. 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:

1. Analise o histórico atual da sessão.
2. Extraia informações essenciais (Manifesto, Decisões, Stories, Status, Próximos Passos).
3. Gere o resumo estruturado e use write_to_file para gravá-lo em .asdlc/context_checkpoint.md.
4. Informe ao usuário o número estimado de tokens economizados.
5. 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.