Progressive Disclosure
Ir para notas que citam estaProgressive disclosure é o modelo em que uma skill revela suas camadas (metadados, instruções e recursos) só quando se tornam necessárias, poupando tokens do contexto.
Carregar o corpo inteiro de todas as Skills de IA instaladas em cada interação lotaria a Janela de Contexto com material que, na maior parte das vezes, não seria usado. Revelando por camadas, o custo fixo fica restrito ao que o modelo precisa para decidir se uma skill serve, e o resto entra sob demanda. É isso que permite manter dezenas de skills disponíveis sem pagar por todas em cada conversa.
As três camadas de uma skill
- Metadados. Nome e descrição, disponíveis o tempo inteiro. Quando o usuário anexa um PDF e pede para extrair informações, o modelo percorre as descrições de todas as skills e identifica que a de leitura de PDF é a indicada.
- Instruções. Confirmado o encaixe, o corpo da skill, o prompt reutilizável, é carregado e guia a execução. No caso do PDF, ele já diz como extrair tabelas, como tratar imagens e qual estrutura de leitura seguir, sem que o usuário precise pedir cada passo.
- Recursos. Scripts, documentação, templates e assets entram só quando a tarefa pede, por exemplo para ler código-fonte, produzir uma saída personalizada ou gerar uma imagem.
Custo da descoberta e o peso da descrição
A primeira camada é a única paga sempre. Para um usuário típico, com algo entre 5 e 50 skills, a estimativa média é de cerca de 100 tokens para percorrer todos os metadados e encontrar a skill certa. É barato, mas a decisão inteira se apoia num texto curto.
Uma skill bem construída, com descrição fraca, não é encontrada no acionamento automático e perde o sentido. O comando de barra seguido do nome contorna isso, mas no uso por chat a descrição é o que faz a skill ser chamada.
Por isso, ao criar uma skill, escrever a descrição com o problema que ela resolve e o contexto em que deve ser usada é uma das etapas que mais importam.