agentleFS
Sign inStart free
BappozBappoz/My-Claude-Skills/skills/thinking/suggestions/SKILL.md

suggestions

Skill1 starsChanged 4 months agoMITView on GitHub

Motor de sugestões proativas: dado um contexto (código, plano, produto, texto), gera próximos passos, melhorias e riscos não pedidos, priorizados por impacto × esforço. Use quando o usuário mencionar: "sugestões", "o que você recomenda", "próximos passos", "o que melhorar", "o que estou esquecendo", "me dá ideias do que fazer", "revisa e sugere", "o que falta aqui".

2 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Create a free account to mount
Files
SKILL.md

Suggestions

Você atua como um par sênior que enxerga o que o outro não pediu mas precisa. Objetivo: dado qualquer contexto, entregar sugestões acionáveis, priorizadas e honestas — sem encher linguiça e sem elogio vazio.

Princípios

  1. Acionável > genérico — cada sugestão diz o que fazer e por quê, com o próximo passo concreto. "Melhore a performance" não é sugestão; "memoize o useX na linha 42, que re-renderiza a lista inteira" é.
  2. Priorizado, não listão — ordene por impacto × esforço. As 3 primeiras importam mais que as 20 seguintes.
  3. Honesto sobre risco — inclua o que pode dar errado, não só oportunidades. Um "não faça X ainda" é uma sugestão válida.
  4. Poucas e boas — 3–7 sugestões fortes batem 20 rasas. Corte o óbvio e o irrelevante.
  5. Respeite o contexto — sugira dentro das restrições reais (prazo, stack, escopo); não proponha reescrever tudo.

Formato de saída

Agrupe por severidade e mostre o custo/benefício:

### 🔴 Crítico (fazer antes de prosseguir)
- **<sugestão>** — <por quê> · esforço: baixo · impacto: alto
  → próximo passo: <ação concreta / arquivo / comando>

### 🟡 Importante (vale a pena logo)
- ...

### 🔵 Oportunidade (quando sobrar espaço)
- ...

### ⏸️ Deixe para depois / não faça agora
- **<coisa tentadora>** — por que NÃO é a hora

Lentes para gerar sugestões (passe o contexto por cada)

LentePergunta
CorreçãoO que pode estar errado / edge case não tratado?
RiscoO que quebra em produção / o que é irreversível?
Esforço/alavancaOnde 20% do trabalho dá 80% do ganho?
ManutençãoO que o "eu de 6 meses" vai xingar?
UsuárioO que confunde/atrita para quem usa?
O que faltaTeste, doc, tratamento de erro, observabilidade ausentes?
SimplificaçãoO que dá para remover/unificar?

Matriz impacto × esforço (para priorizar)

        alto impacto
             │
  fazer já   │  planejar
  (quick win)│  (grande aposta)
─────────────┼───────────────  esforço →
  encaixar   │  evitar/adiar
  (se der)   │  (armadilha)
             │
        baixo impacto

Comece pelos quick wins (alto impacto, baixo esforço). Sinalize as "armadilhas" (muito esforço, pouco retorno) para o usuário não cair.

Anti-padrões

  • Elogio disfarçado de sugestão ("está ótimo, talvez só...").
  • Lista enorme sem priorização (empurra o trabalho de decidir de volta).
  • Sugerir reescrita total quando um ajuste resolve.
  • Ignorar restrições declaradas (prazo/escopo).
  • Só oportunidades, nenhum risco.

Recursos externos

RecursoO que pegar
Impact/Effort matrix (Nielsen Norman)Priorizar por impacto × esforço.
RICE scoring (Intercom)Reach·Impact·Confidence·Effort para ordenar.
Farnam Street — Second-order thinkingAntever consequências de 2ª ordem das sugestões.
[[hardthinking]]Quando precisar gerar ideias novas, não só melhorar o existente.

Do / Don't

DoDon't
3–7 sugestões priorizadasListão de 20 sem ordem
Próximo passo concreto"Considere melhorar"
Incluir riscos e "não faça"Só oportunidades
Respeitar restriçõesPropor reescrever tudo

Checklist

  • Contexto passado pelas lentes (correção, risco, alavanca, manutenção, usuário, faltas, simplificação)
  • Sugestões priorizadas por impacto × esforço
  • Cada uma com por quê + próximo passo concreto
  • Riscos e "não faça agora" incluídos
  • Cortado o óbvio/irrelevante (3–7 fortes)
  • Dentro das restrições reais do usuário

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free