基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/sandeco/prompts --skill sandeco-maestro命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | sandeco-maestro |
| description | Executa uma lista de skills em sequência ou em paralelo conforme a necessidade informada pelo usuário. |
| argument-hint | lista de skills separadas por vírgula, ex: help, brainstorming |
Esta habilidade permite ao Antigravity coordenar um esquadrão de agentes inteligentes atuando de forma simultânea no mesmo projeto, reproduzindo a lógica de "Times de Agentes" em ambientes colaborativos.
O esquadrão utiliza uma pasta oculta dentro do diretório desta skill para se comunicar:
.agent/skills/sandeco-maestro/.antigravity/equipe/registro_atividades.json → Registro mestre de atividades, estados e pré-requisitos..agent/skills/sandeco-maestro/.antigravity/equipe/caixa_entrada/ → Comunicações individuais entre agentes (.msg)..agent/skills/sandeco-maestro/.antigravity/equipe/aviso_geral.msg → Comunicados globais para todo o esquadrão..agent/skills/sandeco-maestro/.antigravity/equipe/travas/ → Semáforos para impedir edição simultânea de arquivos..antigravity na raiz do projeto.
Utilize a pasta .antigravity que fica dentro do diretório desta skill (.agent/skills/sandeco-maestro/.antigravity/).Antes de efetuar alterações relevantes, cada agente deve submeter um Plano de Ação à caixa de entrada do SandecoMaestro.
SOMENTE_LEITURA ou PLANEJAMENTO até que o SandecoMaestro responda com um comunicado de APROVADO.aviso_geral.msg para transmitir novas orientações a todo o esquadrão simultaneamente.registro_atividades.json podem conter uma lista de pre_requisitos. Um agente não deve assumir uma atividade se seus pré-requisitos não estiverem com estado CONCLUIDO..agent/skills/sandeco-maestro/.antigravity/equipe/travas/.Siga as instruções em ./workflow.md e os padrões de prompt em ./USO.md.
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".