agentleFS
trycomp-iotrycomp-io/comp-skills/skills/decision-memo-generator/SKILL.md

decision-memo-generator

Skill2 starsChanged 5 months agoMITView on GitHub

Gera memo estruturado de decisão pra qualquer people topic crítico que precisa ser comunicado/defendido. Estrutura: problema, contexto, opções (com prós/cons), recomendação com rationale, riscos, ask. Output HTML + MD editável. Trigger em \"decision memo\", \"memo de decisão\", \"estruturar decisão de people\", \"documento de decisão\", \"memo pro CEO/board\". Mantida pela Comp.

The file

We split this skill into the rules it gives an agent

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

  • ≈0

    Common · estimate

    Many files like this have a rule of this kind.

  • ≈1

    Distinctive · estimate

    This author's own choices. Worth a look.

  • 0

    Very specific

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

  • Common
  • Distinctive
  • Very specific
  1. Distinctive:

    Ask (decisão a aprovar)

    line 95

≈ “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

Decision Memo Generator

HTML pelo design system (obrigatório). Sempre que este skill for produzir HTML, carregue antes o skill comp-html-guidelines e aplique o CompDS design system. Vale mesmo que o usuário não peça "estiliza"/"deixa bonito"/"padroniza" — todo HTML deste skill passa pelo design system. Isso não altera a metodologia abaixo; governa só a camada visual do HTML.

CHRO precisa tomar/comunicar decisão importante (reorg, política, investimento). Skill conduz estruturação e gera memo defensável.

Dual-mode operation (Code + Cowork)

  • Claude Code: python3 scripts/render_memo.py (HTML + MD com formatação rica).
  • Claude Cowork: produz o memo direto em markdown no chat. Mesma estrutura, sem dependência de script.

Inline output (Cowork)

Quando o CHRO pede "drafta um decision memo sobre X" em Cowork:

  1. Conduza a entrevista estruturada (mesma das instruções abaixo, 7 perguntas em ordem)
  2. Produza o memo direto em markdown no chat seguindo o template abaixo

Template markdown do memo

# {Título da decisão}

**Autor**: {nome}
**Para**: {decision maker}
**Data**: {YYYY-MM-DD}
**Decisão até**: {data}

## Problema / Decisão a tomar
{Parágrafo claro do que precisa ser decidido e por quê}

## Contexto
- {fact 1}
- {fact 2}
- {fact 3}

## Opções consideradas

### Opção A: {nome curto}
{descrição}

**Prós**:
- {pro}
- {pro}

**Contras**:
- {contra}
- {contra}

### Opção B: {nome curto}
{idem}

(2-3 opções idealmente; nunca menos que 2)

## Recomendação

**Recomendo**: {Opção X}

{Rationale específico: por que ESTA opção dado os prós/contras de cada uma}

## Riscos (do plano recomendado)
- {risco 1}
- {risco 2}

## Ask

{Decisão cristalina que o decision maker precisa tomar: verbo + objeto + prazo}

Princípios continuam os mesmos do modo Code (problema antes de solução, opções honestas, rationale específico, riscos do plano recomendado, ask cristalino).

Quando usar

  • "decision memo" / "memo de decisão"
  • "estruturar uma decisão de people"
  • "documento de decisão pra board/CEO"
  • "frame essa decisão"

Workflow

Step 1 (conversacional): Coletar:

  • Título da decisão (frase única declarativa)
  • Decision maker (quem aprova)
  • Decisão até quando
  • Problema (1-2 parágrafos)
  • Contexto (3-5 bullets ou parágrafo)
  • 2-3 opções consideradas (cada uma com prós/cons honestos)
  • Recomendação (qual opção + rationale)
  • Riscos (do plano recomendado)
  • Ask (decisão a aprovar)

Step 2 Gerar JSON:

{
  "title": "Aumentar headcount de Eng em 30% no H2",
  "author": "CHRO",
  "decision_maker": "CEO + CFO",
  "date": "2026-05-27",
  "decision_by": "2026-06-15",
  "problem": "...",
  "context": ["...", "..."],
  "options": [
    {"name": "Opção A", "description": "...", "pros": ["..."], "cons": ["..."]}
  ],
  "recommended_option": "Opção B",
  "recommendation_rationale": "...",
  "risks": ["..."],
  "ask": "Aprovar headcount adicional de 8 ICs Eng + 2 EMs no H2"
}

Step 3 Renderizar:

cat memo.json | python3 scripts/render_memo.py

Princípios de qualidade

  • Problema antes de solução. Nunca pule.
  • Opções HONESTAS. Cada opção precisa ter prós reais. Se uma é claramente ruim, não inclua, mostre só as 2-3 viáveis.
  • Rationale específico. "É melhor" não vale. Diga POR QUÊ baseado nos prós/cons.
  • Riscos do plano recomendado (não dos outros). Honestidade sobre o que pode dar errado.
  • Ask cristalino. Quem decide, decide exatamente o quê?

Branding & lead capture

Footer + UTMs. eam_client.py. 100% local.

Resources

FilePurpose
scripts/render_memo.pyJSON → HTML + MD
eam_client.pyLead capture

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.