Guia completo para criação de agentes customizados do VS Code Copilot (.agent.md).
Ensina toda a anatomia de um arquivo de agente — frontmatter YAML, configuração de ferramentas,
handoffs entre agentes, sub-agentes e padrões de orquestração.
Quando usar
- Criar novos agentes
- Restrições de ferramentas
- Handoffs e orquestração
- Padrões de disciplina
- Configurar sub-agentes
Quando NÃO usar
- Coding geral
- Desenvolvimento de extensões VS Code
Capacidades principais
- Referência completa de campos do frontmatter (name, description, tools, agents, handoffs, model)
- Regra de herança de ferramentas:
tools omitido = herda tudo; declarado = sobrescreve
- Tabela de tool sets disponíveis (search, read, edit, terminal, agent, todo, web)
- Sintaxe MCP:
<server-name>/* para servidores MCP
- Configuração de handoffs com label, agent, prompt e send
Análise estruturada de contexto antes de agir. Força uma decomposição crítica do problema em
6 eixos (premissas, escopo, dependências, fontes de verdade, modos de falha, stakeholders)
com classificação de confiança e pesquisa ativa para evitar respostas superficiais e hallucinations.
Quando usar
- Questionar premissas
- Mapear dependências
- Identificar pontos cegos
- Validar escopo
- Analisar antes de implementar
- Prevenir hallucination
Quando NÃO usar
- Tarefas simples (usar task-intent)
- Implementação direta
- Code review
Capacidades principais
- Triagem de complexidade (Simples / Médio / Complexo) com critérios objetivos
- Decomposição em 6 eixos com perguntas críticas por eixo
- Classificação de confiança (🟢 Alta / 🟡 Média / 🔴 Baixa) com ações requeridas
- Active Research Gate: verificar fatos com ferramentas antes de aceitar claims
- Fluxo visual de triagem para decisão rápida de profundidade
Converte documentos binários e Office para Markdown otimizado para consumo por LLMs.
Usa o markitdown da Microsoft como ferramenta primária, com fallbacks para
formatos específicos. Inclui scripts prontos para conversão individual, em lote e extração de tabelas.
Quando usar
- Converter Word, Excel, PowerPoint
- Converter PDF, Visio, MS Project
- Conversão em lote de diretórios
- Extrair texto de formatos binários
- OCR em imagens
Quando NÃO usar
- Formatação/linting de Markdown
- File I/O geral
- Web scraping
- Geração de imagens
Capacidades principais
- Mapeamento formato → ferramenta para 15+ formatos (docx, xlsx, pptx, pdf, vsdx, mpp, etc.)
- Scripts standalone:
convert.py, batch_convert.py, extract_tables.py
- Suporte a OCR via
markitdown[all]
- Fallbacks automáticos (mammoth, pdfplumber, pandoc, LibreOffice headless)
- Auto-instalação de dependências em ambientes não-interativos
Registra e generaliza erros do agente em lições reutilizáveis. Quando o usuário corrige o agente,
esta skill analisa a causa raiz, generaliza o erro em uma regra genérica e persiste como lição
em ~/.copilot/lessons/ para prevenir recorrência.
Quando usar
- O usuário corrigiu o agente
- Capturar o que deu errado
- Analisar causa raiz
- Generalizar correções em lições
- Prevenir erros recorrentes
Quando NÃO usar
- Debugging geral
- Escrever testes
- Code review
Capacidades principais
- Classificação de causa raiz: wrong-assumption, missing-context, unknown-pattern, wrong-scope, skipped-verification
- Generalização: transforma caso específico em regra genérica que cobre cenários similares
- Persistência em
~/.copilot/lessons/L{NNN}-{slug}.md com template estruturado
- Tags de action (create, modify, fix) e domain (git, regex, hooks, yaml) para matching
- Consolidação automática quando 30+ lições acumulam — merge de clusters similares
Guia completo para criação e configuração de hooks de ciclo de vida para agentes.
Plataforma padrão: VS Code GitHub Copilot — Claude Code só quando o usuário
pedir explicitamente ou houver .claude/ no workspace. Hooks são comandos
determinísticos (Node.js) executados em eventos específicos — garantem execução
(diferente de instruções, que o agente pode ignorar).
Quando usar
- Criar scripts de hook
- Configurar hooks de lifecycle
- SessionStart, PreToolUse, PostToolUse, Stop
- Hooks no frontmatter de agentes
- Scripts cross-platform
- Segurança e enforcement
Quando NÃO usar
- Coding geral
- Criar agentes (usar agent-creator)
- Criar skills (usar skill-creator)
Capacidades principais
- Tabela completa de 20 eventos de lifecycle (8 compartilhados VS Code + Claude Code)
- Detecção de plataforma (VS Code Copilot vs Claude Code vs Hybrid)
- Locais de configuração:
.github/hooks/, frontmatter, .claude/settings.json
- Regras de precedência e comportamento com múltiplos hooks (most restrictive wins)
- Formatos de entrada/saída JSON para cada tipo de evento
Gera documentos formatados a partir de Markdown ou conteúdo estruturado. Suporta PowerPoint,
Word, Excel, MS Project (MSPDI) e PDF. Workflow baseado em templates para output profissional,
com análise automática de exemplos e perfis de estilo.
Quando usar
- Criar apresentações PowerPoint
- Gerar documentos Word
- Gerar planilhas Excel
- Criar arquivos MS Project
- Gerar PDFs a partir de Markdown
Quando NÃO usar
- Converter documentos PARA Markdown (usar doc-to-markdown)
- File I/O geral
- Web scraping
Capacidades principais
- 11 scripts standalone:
generate_pptx.py, generate_docx.py, generate_xlsx.py, generate_project.py, generate_pdf.py, e mais
- Workflow de templates: análise de exemplo → extração de perfil → geração com padrões
- Script
analyze_template.py extrai perfis de estilo de documentos existentes
- Scripts de auditoria:
audit_overflow.py, check_placeholders.py
- MS Project gera MSPDI XML (formato de intercâmbio oficial, abre nativamente no Project)
Análise de risco com peso variável antes de agir. Aceita três níveis de profundidade —
Light (scan rápido), Standard (análise dimensional) e Deep (investigação completa com evidências).
Pode ser invocada múltiplas vezes no mesmo fluxo com peso crescente.
Quando usar
- Avaliar riscos de segurança
- Integridade de dados
- Compatibilidade retroativa
- Impacto operacional
- Avaliar reversibilidade
Quando NÃO usar
- Penetration testing
- Auditorias de compliance
- Ferramentas de análise estática
Capacidades principais
- Modelo de peso: Light (Risk Pulse — 1 frase por dimensão), Standard (Risk Radar — análise dimensional), Deep (investigação completa com evidências)
- 5 dimensões de risco: Security, Data Integrity, Backward Compatibility, Operational, Reversibility (multiplicador)
- Reversibilidade como multiplicador: amplifica peso de outras dimensões quando ação é irreversível
- Output estruturado: Risk Pulse (Light) ou Risk Radar com tabela de dimensões (Standard/Deep)
- Invocação incremental: pode começar em Light e escalar para Deep se sinais de risco emergem
Framework de benchmark para medir a efetividade de skills via testes A/B controlados.
Executa tarefas idênticas com e sem a skill injetada, pontua ambos os outputs contra uma
rubrica e produz relatório comparativo em HTML.
Quando usar
- Validar qualidade de uma skill
- Comparar antes/depois de mudanças
- Provar ROI de skills com dados
Quando NÃO usar
- Testes gerais
- Unit tests
- CI pipelines
Capacidades principais
- Pipeline de 5 etapas: Read → Provision → Execute → Evaluate → Report
- Scripts:
provision.py (geração de tarefas), avaliação e relatório HTML
- 4 dimensões de avaliação: correctness, completeness, pattern_adherence, e mais
- Design de benchmarks com tarefas realistas e rubricas específicas
- Diretório de output com timestamp para unicidade
Guia completo para criar skills bem-estruturadas do Copilot do zero. Cobre toda a anatomia
de um SKILL.md — frontmatter YAML, corpo com instruções, estrutura de diretório,
referências on-demand e protocolo de feedback.
Quando usar
- Scaffolding de novos SKILL.md
- Escrever instruções eficazes para agentes
- Configurar campos do frontmatter
- Estrutura de diretório (references, FEEDBACK.md)
- Otimizar descrição para discoverability
- Aplicar progressive disclosure
Quando NÃO usar
- Gerenciar/sincronizar skills existentes (usar skill-manager-guide)
- Coding geral
- Desenvolvimento de extensões VS Code
Capacidades principais
- Referência completa de campos do frontmatter (name, description, argument-hint, user-invocable, etc.)
- Template de estrutura de corpo: conceitos → workflows → referências → FAQ
- Convenção de nomes: kebab-case, lowercase, deve corresponder ao campo
name
- Estrutura de diretório: SKILL.md, FEEDBACK.md, .skillconfig.json, references/
- Princípio de progressive disclosure: resumo up-front, detalhes em referências
Guia do usuário para a extensão Skill Manager for Copilot. Ensina como a extensão funciona —
adicionar/remover repositórios, sincronizar skills e agentes, enviar feedback e resolver
problemas de sincronização.
Quando usar
- Adicionar/remover repos de skills
- Sincronizar skills
- Enviar feedback (push)
- Configurar intervalos de sync
- Troubleshooting de problemas de sync
- Entender o formato de skills
Quando NÃO usar
- Criar novas skills (usar skill-creator)
- Criar agentes (usar agent-creator)
Capacidades principais
- Referência de todos os comandos da extensão (Pull, Push Feedback, Status, Enable/Disable, etc.)
- Configuração via settings: repos, syncIntervalMinutes, conflictStrategy, localEditStrategy
- Fluxo de sincronização: clone → copy → manifest → auto-update / conflict resolution
- Estrutura de skills no repositório (SKILL.md, FEEDBACK.md, references/)
- Convenção de versionamento: Patch / Minor / Major
Disciplina de compreensão antes de implementação. Força o agente a responder POR QUÊ, PARA QUÊ
e PARA QUEM antes de escrever código — quebrando o ciclo de requisições superficiais seguidas
de entregas sem questionamento que geram dívida técnica.
Quando usar
- Validar intenção antes de implementar
- Planejar antes de codificar
- Raciocinar antes de agir
- Desafiar premissas
- Prevenir implementação prematura
Quando NÃO usar
- Análise profunda multi-tecnologia (usar contextação)
- Persistir decisões entre tarefas (usar task-map)
Capacidades principais
- Triângulo de Condição de Sucesso: POR QUÊ? / PARA QUÊ? / PARA QUEM?
- Verificação antes de declarar: fetch docs, search codebase, testar premissas
- Planejar antes do código: decompor → sequenciar → apresentar plano
- Raciocinar nas decisões: declarar o porquê de cada escolha significativa
- Perguntar cirurgicamente: uma pergunta direcionada vale mais que cinco vagas
Externaliza análise para que sobreviva à compressão de contexto e encadeie entre tarefas.
Produz um Task Analysis Map leve — um arquivo Markdown que preserva intenção, decisões-chave
e contexto de cadeia para que a próxima tarefa não comece do zero.
Quando usar
- Documentar decisões que afetam trabalho futuro
- Criar continuidade entre tarefas
- Prevenir perda de contexto
- Conectar tarefas em série
- Externalizar raciocínio
Quando NÃO usar
- Validação rápida de intent (usar task-intent)
- Análise estruturada profunda (usar contextação)
Capacidades principais
- Template de mapa: Intent → Key Decisions → Done When → For Next
- Decisões marcadas como ✅ (verificado) ou ⚠️ (premissa) para rastreabilidade
- Efeito cadeia: seção "For Next" alimenta o contexto inicial da próxima tarefa
- Escalamento por impacto: Moderado (intent + decisions) / Alto (mapa completo)
- Regras de quando NÃO produzir mapa (renames, typos, formatting)