Skills de IA
Ir para notas que citam estaSkills de IA são pastas de instruções reutilizáveis, com metadados, prompt e recursos, que fazem um agente executar uma tarefa recorrente sempre do mesmo jeito, sem retrabalho.
Elas existem para acabar com a reescrita do mesmo prompt a cada conversa. Quem pesquisa perfis de empresas sempre no mesmo formato, sobe uma aplicação com Docker Compose para testá-la ou atualiza tarefas no Jira de um jeito fixo ganha com uma skill: a instrução é chamada de novo em vez de redigida outra vez. O efeito colateral desejado é a padronização, porque o conteúdo gerado passa a seguir as mesmas regras e métricas em toda execução. Um uso frequente é transformar parte do comportamento não determinístico do modelo num procedimento previsível.
Anatomia: metadados, instruções e recursos
O núcleo obrigatório tem duas partes. Os metadados (nome e descrição) dizem quando a skill deve ser acionada. As instruções são o prompt reutilizável que guia a execução. Em volta desse núcleo entram, conforme o problema, recursos opcionais: scripts com código executável, documentação de referência para aprofundamento, templates com exemplos de entrada e de saída e assets como imagens e fontes. Nem toda skill precisa de tudo: uma skill só de texto dispensa imagens e código.
Essas partes não entram no contexto de uma vez. A revelação progressiva expõe primeiro os metadados, depois as instruções e só então os recursos, o que faz da descrição a peça mais importante de uma skill: bem construída e mal descrita, ela simplesmente não é encontrada.
Ciclo de uso e formas de acionamento
O ciclo tem cinco etapas: varrer as skills disponíveis, combinar a tarefa com a descrição mais adequada, carregar e injetar a skill no contexto, executar instruções ou scripts e, se a interação exigir, ler a skill de novo quantas vezes for preciso. O acionamento é automático quando a descrição casa com o pedido, ou manual, digitando barra seguida do nome da skill.
A skill oficial Skill Creator, uma skill que cria skills, ilustra o padrão: recebe a descrição do que se quer, aplica uma estrutura fixa (nome, estrutura de pastas, agentes que pode usar, limite de tokens) e devolve uma skill nova, pronta para salvar e chamar.
Tipos de skill
- Pré-construídas: já vêm na ferramenta, como geração de imagem ou leitura de PDF.
- Customizadas: criadas pelo próprio usuário para um problema recorrente dele.
- De comunidade: publicadas por terceiros em hubs abertos; pedem os cuidados de Segurança no Uso de Skills de Comunidade.
- Oficiais: mantidas pelo fabricante da ferramenta para tarefas comuns, como apresentações, documentos, planilhas, PDF, integração com APIs remotas (em cerca de oito linguagens) e integração via MCP.
Skill versus fine-tuning, agente e MCP
Skill não é treinamento. O Fine-tuning especializa o modelo para repetir a mesma tarefa, no mesmo contexto, com o mesmo tipo de saída; a skill é uma receita que funciona em cozinhas diferentes, sem mexer no modelo. Ela também não é um agente: é passiva, prepara o modelo mas não decide nada. O Agente de IA é o maestro que define o objetivo, planeja e escolhe quais partituras seguir. Várias skills podem viver num agente, e uma skill genérica, como a de testar a aplicação, pode ser compartilhada por vários agentes. Na divisão de papéis, skill é procedimento repetível, MCP conecta a ferramentas e dados externos, subagentes cuidam de execuções independentes e um prompt avulso resolve uma orientação pontual. Agentes e skills versionados no repositório formam a base do Spec-Driven Development.
Custo em tokens e escolha do idioma
Ler uma skill consome tokens, e quanto mais enxuto o texto, menor o custo. O inglês tende a sair mais barato, por ter palavras e conectivos mais curtos e estar mais representado no treinamento dos modelos, mas escrever em português se justifica em times que falam português, já que os modelos traduzem bem. Pesa mais o volume que o idioma: texto excessivo ocupa a Janela de Contexto e dispersa a atenção do modelo em conversas longas.