agentleFS
phant0umphant0um/claude-skills/skills/trace/SKILL.md

trace

Skill0 starsChanged 46 days agoMITView on GitHub

Spec do MODO ALVO = OUTPUT DE AGENTE de `diagnose`. Não é skill invocável. @trace [descrição do output inesperado] — Reverse-engineer por que um agente produziu um output inesperado. Identificar qual parte do agent file (identidade, restrições, modelo, tools) habilitou ou causou o com

27 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use ai-slop-cleaner, ralplan and 10 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • Jurel89Skill

    ai-slop-cleaner

    Clean AI-generated code slop with a regression-safe, deletion-first workflow and optional reviewer-only mode

    Also in 4 projects that use this

  • ibahgatSkill

    ralplan

    Create a strict, quality-first execution plan with explicit gates and rollback-ready sequencing.

    Also in 4 projects that use this

  • woosikkimSkill

    deepinit

    Generate hierarchical AGENTS.md codebase maps for agent context

    Also in 3 projects that use this

  • klauswgSkill

    deep-interview

    在明确批准执行之前,通过数学化歧义门控进行苏格拉底式深度访谈

    Also in 4 projects that use this

  • AWSSkill

    map

    Map verified service capabilities against customer-provided control framework and threat model. Produces mapping-results.json, controls-catalog.md, and framework-mapping.md. Supports pluggable frameworks: CCMv4, NIST 800-53, CIS Benchmarks, ISO 27001, etc. Split into 4 focused sub-skills for better accuracy; this skill orchestrates them.

    Also in 4 projects that use this

  • buddyhSkill

    deep-dive

    Deep dive on any topic. Decomposes into subtopics, researches each in parallel with thorough source gathering, then synthesizes into a comprehensive report (4,000-10,000+ words, 40-100+ sources). Scales depth dynamically based on topic complexity. Use when asked for a deep dive, deep research, comprehensive analysis, or thorough investigation of a topic.

    Also in 3 projects that use this

The file

Files
SKILL.md

Não é skill invocável. MODO ALVO = OUTPUT DE AGENTE de diagnose — carregado por ela, não resolvido pelo router.

Skill: Trace

Propósito

Reverse-engineer por que um agente produziu um output inesperado. Identificar qual parte do agent file (identidade, restrições, modelo, tools) habilitou ou causou o comportamento — para que hill corrija cirurgicamente.

Diferença de guard: guard audita por vulnerabilidades de segurança. trace diagnostica comportamento inesperado (pode ser seguro mas errado).

Diferença de hill: hill melhora iterativamente. trace encontra a causa-raiz antes de qualquer mudança.


Condições de Ativação

Ative quando:

  • Agente produziu output que viola sua identidade declarada
  • Agente recusou tarefa que deveria aceitar (ou aceitou o que deveria recusar)
  • Agente usou modelo errado para a fase
  • Comportamento inconsistente entre runs similares
  • Antes de @harden quando o problema é específico (não generalizado)

NÃO ative para: avaliação geral de qualidade (→ hill); audit de segurança (→ guard); validação pós-implementação (→ verify).


Perfil de modelo

Herda o perfil de diagnose. Mode spec nao declara perfil proprio: e carregado por diagnose e roteia junto com ela — perfil local aqui seria uma segunda fonte de verdade para a mesma execucao.

Resolucao canonica em model-routing.

Protocolo

1. Coletar Contexto

Extrair da descrição do usuário:

  • Output inesperado: o que o agente fez (exato, não parafrasear)
  • Output esperado: o que deveria ter feito
  • Input que gerou: o prompt/trigger que ativou o agente
  • Agente: slug + versão (do frontmatter)

Se faltarem informações: fazer 1 pergunta por lacuna. Não prosseguir sem output + esperado + input.

2. Ler Agent File

Ler <agent-file>.md completo. Mapear:

  • Identidade declarada (o que o agente diz que é)
  • Restrições explícitas (seção "Restrições")
  • Tools declaradas (frontmatter tools)
  • Modelo tier (frontmatter model_tier)
  • Triggers e condições de ativação
  • Fora do escopo

3. Reconstruir Cadeia Causal

Percorrer o agent file tentando reproduzir o raciocínio que levou ao output inesperado:

Hipótese 1: [qual seção do agent file poderia ter causado isso]
  → Evidência: [citação exata da linha/seção]
  → Como levou ao output: [mecanismo]

Hipótese 2: [lacuna — o que o agent file NÃO diz que deveria dizer]
  → Evidência: ausência de restrição X
  → Como levou ao output: agente sem guardrail para esse caso

Hipótese 3: [ambiguidade — instrução que poderia ser interpretada de dois jeitos]
  → Evidência: [citação]
  → Interpretação problemática: [qual leitura levou ao output]

Rankear hipóteses por probabilidade (mais provável primeiro).

4. Diagnóstico Final

TRACE REPORT: <slug> v<versão>

Input: [input que causou o problema]
Output inesperado: [o que aconteceu]
Output esperado: [o que deveria ter acontecido]

CAUSA-RAIZ MAIS PROVÁVEL:
  Tipo: [LACUNA / AMBIGUIDADE / CONFLITO / MODELO_ERRADO / SCOPE_CREEP]
  Localização: <seção do agent file>:<linha aproximada>
  Mecanismo: [como essa parte do arquivo habilitou o comportamento]

CAUSAS SECUNDÁRIAS (se houver):
  [lista]

CORREÇÃO SUGERIDA:
  Arquivo: <agent-file>.md
  Seção: <nome da seção>
  Mudança: [texto exato a adicionar/modificar — mínimo necessário]
  Justificativa: [por que essa mudança específica resolve sem efeitos colaterais]

PRÓXIMO PASSO: "@harden <slug>" com esta análise como contexto inicial

Completion

  • TRACE REPORT entregue com: input, output inesperado, output esperado, causa-raiz, correção sugerida
  • Pelo menos 2 hipóteses listadas e rankeadas por probabilidade
  • Correção sugerida é mínima (1-3 linhas), sem reescrita do agent file
  • Localização exata: seção + linha aproximada do agent file

Failure modes

  • "Causa desconhecida": trace conclui sem hipóteses → sempre listar mínimo 2, mesmo se low-probability
  • Reescrita sugerida: correção excede 3 linhas → hill não aplica rewrites, apenas edits cirúrgicos
  • Skip da cadeia causal: trace pula direto para correção sem reconstruir como o agent file habilitou o comportamento → sem diagnóstico, hill não tem contexto para aplicar

Restrições

  • NUNCA aplicar a correção sugerida diretamente — apenas diagnosticar (hill aplica)
  • NUNCA concluir "causa desconhecida" sem listar pelo menos 2 hipóteses
  • NUNCA sugerir reescrita do agent file — correção deve ser mínima (1-3 linhas)
  • Se o problema for reproduzível apenas com contexto específico: documentar as condições exatas

Relacionado

  • hill-mode — consome o diagnóstico do trace para aplicar correção
  • guard — security traces seguem caminho diferente (OWASP LLM checklist)
  • probe — probe gera casos, trace investiga casos que já falharam
  • diagnose — trace é para agentes (reverse-engineer do agent file); diagnose é para código/sistema geral (debugging loop disciplinado)

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.