Mapa da trilha
Conteúdo detalhado
💻 Onboarding + Audit Report
O par de skills que abre um projeto de consultoria: gera o pacote completo de onboarding do cliente e transforma suas notas de auditoria num AI Readiness Report profissional.
Um pacote padronizado — contrato de escopo, questionário, checklist de acessos e cronograma — que todo projeto novo precisa antes da primeira linha de trabalho.
É o entregável mais repetitivo do consultor. Automatizá-lo libera horas por cliente e dá uma primeira impressão de profissionalismo.
Escopo, stakeholders, acessos, expectativas, cronograma — os cinco pilares de qualquer kickoff.
Os artefatos que a skill produz: welcome doc, questionário de descoberta, lista de credenciais a coletar e plano da semana 1.
Conhecer cada artefato permite adaptá-lo ao seu nicho sem reinventar a estrutura.
Template, placeholder, variável do cliente, documento gerado.
A segunda skill pega notas brutas de auditoria e monta um relatório de prontidão para IA com nota, achados e roadmap.
É o entregável que justifica o valor da consultoria — converte observação em recomendação acionável.
Readiness score, achado, impacto, esforço, roadmap priorizado.
Os eixos avaliados: dados, processos, equipe, infraestrutura e casos de uso priorizáveis.
Dá um framework reutilizável para qualquer empresa, em vez de uma opinião solta.
Maturidade de dados, automação, alavancagem, quick win.
Onboarding abre o projeto e coleta o contexto; o Audit Report fecha o diagnóstico. Saída de uma vira entrada da outra.
Skills encadeadas formam um produto de consultoria completo, não dois utilitários soltos.
Encadeamento, handoff, contexto compartilhado, produtização.
Escrever um SKILL.md que gera o pacote e o relatório com a sua marca, seus campos e seu tom.
A skill genérica é o ponto de partida; o diferencial é a sua especialização.
Frontmatter, gatilhos, template versionado, references/.
📊 SEO + AI Search Auditor
Uma skill que audita qualquer site para SEO tradicional E visibilidade em busca por IA (AEO) numa só passada — robots.txt, llms.txt, schema, Core Web Vitals e um plano de ação priorizado.
SEO mira o Google; AEO (Answer Engine Optimization) mira ChatGPT, Perplexity e Gemini. A skill faz os dois ao mesmo tempo.
A maioria das ferramentas ignora um dos lados. Cobrir os dois é o diferencial de mercado.
SEO, AEO, answer engine, citação por IA.
A verificação de quais crawlers de IA (GPTBot, ClaudeBot, PerplexityBot) o site está, sem saber, bloqueando.
Uma regra errada no robots.txt e você nunca aparece nas respostas de IA — é o erro mais caro e mais comum.
User-agent, Disallow, crawler de IA, prioridade alta.
Um arquivo legível por máquina que diz às IAs onde está seu conteúdo de autoridade. A skill gera llms.txt e llms-full.txt prontos.
É a ação de AEO de maior impacto que a maioria dos sites ainda não fez.
llms.txt, llms-full.txt, autoridade, deploy.
JSON-LD (FAQPage, Organization, Article) e o método de bloco de resposta — pergunta no H2, resposta direta logo abaixo.
Estrutura é o que faz a IA extrair e citar seu conteúdo com confiança.
JSON-LD, FAQPage, answer block, pirâmide invertida.
A sequência que a skill executa: busca arquivos centrais, checa bots, detecta schema e gera o relatório priorizado.
Entender o workflow permite confiar no resultado e estendê-lo (análise de concorrentes em paralelo).
web_fetch, subagentes, quick win, plano priorizado.
A estrutura da skill real: SKILL.md com o playbook, audit.sh, gerador de llms.txt e três guias de referência.
Mostra progressive disclosure aplicado: o SKILL.md fica enxuto e delega aos references.
scripts/, references/, decision tree, progressive disclosure.
🚀 RAG Architect
A skill que olha os seus dados, escolhe entre quatro arquiteturas de RAG e explica por quê — antes de você escrever uma linha. Entrega plano e código inicial rodável, não stubs.
A ideia central: tratar todo dado igual ("chunka, embeda, busca") falha quando o dado fica complexo. A arquitetura depende do dado.
Escolher a arquitetura errada é a causa nº 1 de RAG que recupera a informação errada.
RAG, retrieval, chunk, embedding, arquitetura por dado.
É para qualquer um conectando dados a um LLM — você nem precisa saber o que RAG significa. Você descreve o dado; a skill decide.
Posiciona a skill como ferramenta de consultoria: o cliente fala de negócio, ela fala de arquitetura.
Sinais do dado, cardinalidade, escala, padrão de consulta.
Naive (dado simples), Advanced (busca híbrida + códigos exatos), Modular/Agentic (multi-fonte com roteador) e Graph (relações entre entidades).
Saber as quatro e seus gatilhos é o cerne da decisão de arquitetura.
Busca híbrida, query router, índices separados, grafo de conhecimento.
Tamanho de chunk justificado, modelo de embedding, escolha de banco vetorial e método de recuperação por arquitetura.
Números mágicos (chunk, top-k) só servem se você souber por que e como ajustá-los.
Chunk size, overlap, top-k, reranking, pgvector.
A skill gera ingest.ts, query.ts, config.ts com as migrations SQL completas e um README que é um guia de setup.
Código que roda de primeira é o que separa uma skill útil de um gerador de boilerplate.
Scaffold, migrations, sem stub, stack-awareness.
Escrever um SKILL.md que conduz as 5 fases — entender dado, recomendar, planejar, scaffold, build — com as quatro arquiteturas como conhecimento.
É o exemplo mais avançado da trilha: uma skill que faz julgamento de engenharia, não só geração de texto.
Workflow em fases, recomendação justificada, build companion.