agentleFS
stage2devstage2dev/power-platform-skills/skills/arquitetura/SKILL.md

arquitetura

Skill3 starsChanged 41 days agoMITView on GitHub

Use quando o protótipo do app Power Apps foi aprovado e é hora da etapa 6 do pipeline: decidir com o usuário a trilha de dados (Dataverse ou SQL Server) e chamar o Agente de Arquitetura, que escreve o modelo de dados, as permissões, as integrações, o contrato app↔flow, os scripts de dados e a fila de construção GOAL.md. Não use antes de o protótipo ser aprovado, nem para uma procedure ou tabela isolada (use `sql-procedures` ou `dataverse`).

1 other project uses a version of this.

Adopted by

Most recently taken up by

The file

We split this skill into the rules it gives an agent

1 rule. About 0 are common, 0 are distinctive, and 1 is very specific to this project.

  • ≈0

    Common · estimate

    Many files like this have a rule of this kind.

  • ≈0

    Distinctive · estimate

    This author's own choices. Worth a look.

  • 1

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Very specific:

    Commit se git_commit_por_etapa: pp(arquitetura): modelo, contrato e fila de construção.

    line 99

≈ “Common” is an estimate: at least 1 in 5 of the 350,495 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

/pp:arquitetura — Agente de Arquitetura

Etapa 6 do pipeline, bloco 3. Construção na Power Platform. Você leva ao usuário a única decisão grande da etapa (onde moram os dados) e chama o agente pp:agente-arquitetura, que transforma PRD, inventário e protótipo em modelo de dados, permissões, integrações e a fila de construção.

KIT = ${CLAUDE_PLUGIN_ROOT}. Formato de saída: KIT/skills/power-platform/references/formato-saida.md. Script de estado: python "${CLAUDE_PLUGIN_ROOT}/skills/power-platform/scripts/estado.py". Modelos: python "${CLAUDE_PLUGIN_ROOT}/skills/power-platform/scripts/modelos.py".

Antes de começar

  1. estado.py comecar arquitetura. Exit 1: mostre a saída e pare.
  2. Leia docs/planejamento/prd.md, inventario-telas.md, os blocos 4, 7 e 8 de brainstorm.md, e KIT/skills/power-platform/references/matriz-tecnologia.md e decisoes-padrao.md.

Passos

  1. Pesquisa, se faltar fato para a trilha: o PRD cita fonte que já existe (planilha, banco, sistema) com arquivos no projeto, ou há dúvida de licença ou limite. Chame pp:agente-pesquisa com ONDE: os dois, PARA QUE: escolher a trilha de dados (modelo: modelos.py de agente-pesquisa). Julgue e use os achados com fonte entre os fatos do passo 1.
  2. Trilha de dados (checkpoint Decisão). Aplique a matriz às respostas do brainstorm e recomende uma trilha, com os 3 fatos que pesaram (volume acima de 2.000, banco SQL que já existe, compliance, DBA, transação em várias tabelas). AskUserQuestion, a recomendada primeiro:
    • "SQL Server + procedures";
    • "Dataverse";
    • "Preciso confirmar com a TI". A terceira vira D-xx com dono e data no prd.md; a etapa fica em andamento. Diga o que perguntar e a quem, e pare: rodar /pp:arquitetura de novo retoma daqui.
  3. Fatos do ambiente que o usuário já sabe, em perguntas curtas e com "Não sei": prefixo do publisher (Dataverse), servidor e banco só pelo papel ("banco de DEV"; nunca nome real no arquivo), quem cria tabela, se há ambientes DEV/HML/PRD.
  4. Agente. Mostre ◆ Chamando o Agente de Arquitetura... e chame pp:agente-arquitetura com RAIZ, KIT (o valor de ${CLAUDE_PLUGIN_ROOT}), TRILHA e os fatos do passo 2. Modelo: modelos.py de agente-arquitetura (linha vazia: não passe model).
  5. Julgue a entrega (KIT/skills/power-platform/references/subagentes.md, "Julgar a entrega"):
    • power-platform.config.json com trilha_dados (e prefixo_publisher no Dataverse);
    • GOAL.md com onda 0 (ambiente, 🔴) e as ondas de construção, cada tarefa com "pronto quando";
    • trilha SQL: toda escrita do contrato tem procedure especificada na seção 4.1, com grupo;
    • todo RF-xx P0 aparece em pelo menos uma tarefa do GOAL.md (rastreabilidade);
    • carga mockup gravada: rode você python "${CLAUDE_PLUGIN_ROOT}/skills/power-platform/scripts/montar-carga-mockup.py" <spec> (no Dataverse, com --flow) e confira 0 erro(s), uma aba por tabela do modelo, no SQL o carga-mockup.sql e no Dataverse o plano-dataverse.json e a pasta construtor-dataverse/. Falta ou erro: revisão. Pergunta aberta que só o usuário responde: escalado. Registre com estado.py veredito arquitetura --agente agente-arquitetura --resultado <...> --motivo "...".
  6. Procedures em paralelo (só trilha SQL). Um pp:agente-sql por grupo da seção 4.1, todos na mesma mensagem, cada um com RAIZ, KIT e PROCEDURES (os nomes do grupo); modelo: modelos.py de agente-sql. Julgue cada entrega: python "${CLAUDE_PLUGIN_ROOT}/skills/sql-procedures/scripts/lint-procedure.py" sobre a pasta de procedures em 0 erro(s), e cada procedure com os parâmetros e os códigos do spec. Veredito por agente (--agente agente-sql#<grupo>).
  7. Preparar o ambiente (checkpoint Ação no ambiente, 🔴). Mostre a onda 0 do GOAL.md como passo a passo:
    • SQL: entregar o pacote ao DBA ou rodar os scripts no banco de DEV, na ordem do pacote;
    • Dataverse: pergunte com AskUserQuestion como as tabelas nascem, a recomendada primeiro:

      • "Construtor Dataverse (flow)": importar construtor-dataverse/ConstrutorDataverse_1_0_0_0.zip, criar a conexão e rodar o flow com o plano-dataverse.json e o nome da solução (KIT/skills/power-platform/references/construtor-dataverse.md). Cria tabelas, colunas com o tipo do spec, Choices, relacionamentos, linhas mockup e chaves. Exige o conector HTTP com Microsoft Entra ID liberado e papel de personalização (§2 da referência). Diga que a execução num ambiente real ainda não foi confirmada no kit e mostre o §9;
      • "Só a planilha": importar o carga-mockup.xlsx, todas de uma vez pelo Power Query (KIT/skills/power-platform/references/carga-mockup.md §4), com a solução preferida do publisher do projeto. Avise o usuário com todas as letras: o Dataverse deduz o tipo de cada coluna pelos dados e erra com frequência. Choice e Lookup chegam como texto. Ele confere coluna por coluna (aba Conferência de tipos).

      Nos dois caminhos, montar-carga-mockup.py <spec> --conferir <export.json> precisa dar 0 erro(s) antes de qualquer dado real;

    • SQL: depois do DDL, rodar o carga-mockup.sql só no banco de DEV;
    • nos dois: capturar os nomes reais no AMBIENTE-AS-BUILT/NOMES-AS-BUILT.md. No Dataverse, o export de EntityDefinitions + extrair-nomes-as-built.py da skill dataverse gera o arquivo. Diga que isso pode levar dias (DBA, TI) e que a construção só começa com o NOMES-AS-BUILT preenchido: o /pp:construir confere antes de escrever qualquer tela.

Portão de saída

  • ADR da trilha em docs/decisoes/ADR-001.md; config e 00-LEIA-PRIMEIRO.md com a mesma trilha.
  • arquitetura.md com modelo de dados, matriz de permissões (flags), integrações e o contrato de cada fluxo (parâmetros posicionais e retorno {status, description, id, url}).
  • Scripts de dados prontos (SQL com lint-procedure.py em 0 erro(s); Dataverse com o modelo de tabelas e security roles).
  • Carga mockup das duas trilhas: montar-carga-mockup.py <spec> em 0 erro(s), .xlsx gravado (e .sql no SQL; no Dataverse, também o plano e o construtor); no Dataverse, o usuário escolheu construtor ou planilha e foi avisado de que precisa conferir a tipagem.
  • GOAL.md em ondas, com rastreabilidade de todo RF P0.

Encerrar

  1. estado.py concluir arquitetura --nota "trilha <trilha>; <N> ondas no GOAL.md".
  2. Commit se git_commit_por_etapa: pp(arquitetura): modelo, contrato e fila de construção.
  3. Resumo (trilha, ondas, o que o humano precisa fazer no ambiente e com quem) e o bloco "Próximo passo" que o script imprimiu.

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.