Those who take context budget seriously will have a better AI-assisted experience than those who mindlessly stack Skill.

Autor do artigo, fonte: 0x9999in1, ME News

TL;DR

• A ecossistema de habilidades/plugins dos principais assistentes de programação por IA atualmente está passando por "indigestão após o crescimento desenfreado" — habilidades duplicadas, redundantes e zumbis se acumulam, erosionando gravemente os valiosos recursos da janela de contexto.
• Lobster Dad lançou um Meta-Skill aberto para realizar uma "avaliação completa" no Skill, cobrindo cinco funções principais: auditoria orçamentária, detecção de duplicatas, varredura de inatividade, auditoria de diretório raiz e simplificação de descrições.
• A janela de contexto é um dos recursos mais escassos dos grandes modelos de IA; cada habilidade redundante ocupa espaço de raciocínio que você realmente precisa com tokens sem sentido.
• O valor central desta ferramenta não é "mais uma habilidade adicionada", mas sim usar uma única habilidade para governar todas as habilidades — é de nível de infraestrutura.
• A desordem no ecossistema Skill não é um fenômeno isolado, mas um problema estrutural. Um sistema de plugins sem mecanismo de auditoria acabará levando ao aumento da entropia.
• Open source means the community can iterate on this, which could be the starting point for standardizing Skill governance.

Vamos começar pela realidade: seu repositório de Skill pode já ser um lixão

Isso soa mal. Mas abra a configuração do seu assistente de IA, conte quantas habilidades você instalou e pense em quais foram as últimas que usou.

A resposta provavelmente deixará as pessoas em silêncio.

A partir do segundo semestre de 2025, ferramentas de programação por IA, como Cursor, Windsurf, Codex e Claude Code, entraram coletivamente na "corrida armamentista de habilidades". Os contribuidores da comunidade estão produzindo em grande escala, as bibliotecas integradas oficiais estão crescendo constantemente e as configurações pessoais estão se acumulando camada após camada.

E então?

Um usuário típico avançado possui facilmente mais de 50 habilidades. Das quais, talvez menos de 10 sejam acionadas diariamente. Os outros 40 permanecem silenciosamente armazenados, carregados no contexto a cada início de conversa, consumindo silenciosamente o orçamento de tokens e, em seguida — não fazem nada.

Isso não é desperdício. Isso é crime.

Por que digo isso? Porque a janela de contexto não é infinita. Mesmo em 2026, o comprimento efetivo do contexto dos modelos principais estará entre 128K e 200K tokens, parece muito, certo? Mas faça as contas: instruções do sistema, histórico de conversa, trechos de código, conteúdo de arquivos, definições de ferramentas, descrições de Skills... o espaço real留给 "pensamento" é muito menor do que você imagina.

Cada descrição de habilidade inútil ocupa 200 tokens; 50 são 10.000 tokens. Dez mil tokens são suficientes para o modelo ler 400 linhas de código a mais.

Isso não é uma especulação teórica. É algo que acontece todos os dias.

Por que ninguém se importa? Porque "adicionar" é dez mil vezes mais fácil do que "subtrair"

Os seres humanos têm um viés psicológico profundo: viés de adição.

Diante de problemas, temos o impulso natural de "adicionar algo" para resolvê-los, em vez de "remover algo". Um estudo publicado na《Nature》em 2021 destacou claramente que os seres humanos sistematicamente ignoram soluções baseadas em subtração ao tentar melhorar coisas, mesmo quando a subtração é mais eficaz.

A ecossistema Skill reproduziu perfeitamente esse viés.

Um contribuidor da comunidade criou uma nova Skill e a publicou. O usuário achou "talvez seja útil" e instalou. A equipe oficial considerou "abrange amplamente as funcionalidades" e a incorporou.

Quem apaga? Quem audita? Quem diz “essa Skill é repetida com aquela, elimine uma”?

Ninguém.

Porque deletar não traz incentivo. Crie uma nova Skill que gere stars, seja reconhecida pela comunidade e possa ser incluída no currículo. Limpar uma Skill antiga? Você não ganha nada.

Este é um dilema estrutural. Não é um problema técnico, é um problema de mecanismos de incentivo.

Até que alguém decida: Eu não me importo com incentivos, eu vou fazer isso.

O pai do lagostim atua: usa uma Skill para governar todas as Skills

Quem é o pai do lagosta? Se você frequenta comunidades de ferramentas de programação com IA, esse ID não lhe será estranho. Jogador ativo há muito tempo no ecossistema Codex e Claude, conhecido por seu pensamento sistemático e obsessão por engenharia limpa. O próprio apelido "pai do lagosta" carrega o reconhecimento da comunidade — ser chamado de "pai" significa que, em algum campo específico, ele é a pessoa indispensável.

O que ele abriu agora é, em essência, uma meta habilidade (Meta-Skill).

O que são metaskills? São "habilidades para gerenciar habilidades". Elas não escrevem código para você, não ajustam APIs para você, nem geram documentos para você. Elas fazem apenas uma coisa: realizar um exame completo, quantitativo e executável em todas as suas habilidades atuais.

Cinco funcionalidades, explicadas uma por uma.

Este é o mais hardcore.

O que ele faz é direto: calcula o espaço de tokens de contexto ocupado por cada Skill, determina a porcentagem que cada um representa do orçamento total e fornece sugestões de otimização.

Por que isso é importante? Porque a maioria absoluta dos usuários não tem nenhuma percepção sobre "quanto recurso o Skill realmente consumiu".

Você acha que instalar um Skill é apenas adicionar uma funcionalidade. Na realidade, o texto da descrição de cada Skill, as definições de parâmetros, o código de exemplo e as regras de gatilho precisam ser inseridos no prompt do sistema. A cada inferência, o modelo precisa primeiro "ler" todo esse conteúdo antes de decidir se deve ou não invocá-lo.

É como carregar uma mochila de montanha com 50 ferramentas. Você acha que "ter mais não faz mal", mas cada quilograma a mais consome mais energia. Quando você realmente precisar correr, já não terá força.

O que a auditoria orçamentária faz é abrir a mochila e dizer: "Esta faca suíça pesa 3 kg, mas você nunca usou — jogue fora."

O problema que esta função resolve pode ser mais grave do que você imagina.

Seu intervalo de varredura abrange quatro níveis:

• Biblioteca integrada do Codex
• Cache do plugin
• Repositório de código
• Diretório raiz das habilidades pessoais

Scan across levels for skills with the same name, similar descriptions, or overlapping functions, and flag redundant items.

Por que há duplicatas? Há muitas razões.

A plataforma oficial possui um Skill de "formatação de código" integrado, mas você não sabia e instalou outro da comunidade com funcionalidades quase idênticas. Dois Skills fazendo a mesma coisa, consumindo dois orçamentos.

Ou de forma mais sutil: você escreveu um Skill personalizado para processar JSON há seis meses, e depois a equipe oficial atualizou, adicionando uma versão melhor na biblioteca interna. Sua versão antiga ainda está lá, e ninguém lhe disse para removê-la.

A detecção de duplicatas não analisa apenas os nomes. Mesmo que os nomes sejam diferentes, mas as descrições sejam altamente semelhantes, serão igualmente sinalizadas. Essa é a parte verdadeiramente técnica — ela realiza uma comparação de similaridade semântica, não apenas correspondência de strings.

Com base no histórico, identifique habilidades "zumbi" que não foram utilizadas há muito tempo.

Este raciocínio é claro: se um Skill não foi acionado nos últimos 30, 60 ou 90 dias, é provável que uma das duas situações ocorra — ou seu fluxo de trabalho não o necessite, ou as condições de acionamento foram mal projetadas, fazendo com que o modelo nunca o selecione.

De qualquer forma, a conclusão é a mesma: está consumindo o orçamento inutilmente.

Esta função gera uma "lista de candidatos para limpeza". Observe que são "candidatos", não exclusão direta. A decisão final cabe ao usuário. Este design é contido e inteligente — ele sabe onde estão seus limites.

Algumas habilidades são realmente raras, mas cruciais. Por exemplo, "assistência em migração de banco de dados", você pode usá-la apenas uma vez a cada três meses, mas quando precisar, pode salvar sua vida. Portanto, os resultados da triagem são apenas referência, não uma sentença.

Esta funcionalidade tem um caráter mais "operacional", mas é extremamente útil.

O que ele faz: contabiliza todos os diretórios de origem das Habilidades, marca o estado de ativação/desativação e mapeia a cadeia de carregamento.

Por que isso é necessário? Porque as origens das habilidades são diversas: algumas vêm da configuração global, outras da configuração nível projeto, algumas são injetadas automaticamente por plugins e outras são criadas manualmente pelo usuário.

Quando há poucos Skills, você sabe exatamente o que está acontecendo. Quando o número cresce para dezenas, você já não consegue mais entender "de onde veio esse Skill", "se posso excluí-lo com segurança" ou "se a exclusão afetará outras coisas".

A auditoria do diretório raiz é como dar a você um mapa. Mostra onde cada Skill está localizado, quem o carregou e se ele está ativo ou inativo.

Com este mapa, você poderá operar com segurança.

A última funcionalidade, que parece a mais "pequena", na verdade tem alavancagem extremamente alta.

O que ele faz: identificar habilidades com descrições excessivamente longas e recomendar soluções para simplificá-las.

Por que o comprimento da descrição é tão importante? Voltando ao que foi dito anteriormente: a descrição da Skill precisa ser incluída no prompt do sistema. Cada caractere é um token. Se a descrição de uma Skill puder ser reduzida de 200 tokens para 80 tokens, o espaço economizado, multiplicado pelo número de Skills, é muito significativo.

Muitas habilidades contribuídas pela comunidade têm descrições escritas como resumos de artigos acadêmicos — contexto, motivação, cenários de aplicação, observações importantes, entradas e saídas de exemplo, tudo extensivamente detalhado. Quem escreveu fez isso com boa intenção, mas do ponto de vista da engenharia, isso é um excesso de design.

A descrição necessária para o modelo é: precisa, única, distinguível. Basta usar o mínimo de palavras para que o modelo entenda "o que essa Skill faz e quando chamá-la". Cada palavra a mais é um desperdício do orçamento de contexto.

Descreva brevemente essa funcionalidade: essencialmente, está fazendo uma "otimização reversa de prompt engineering" — não escrevendo prompts melhores, mas encurtando os prompts existentes sem perder informação.

Onde está o valor real? Não é a funcionalidade, é a forma de pensar

Cinco funcionalidades foram desmontadas. Vistas individualmente, nenhuma parece "revolucionária". Mas juntas, representam uma mudança de paradigma de pensamento:

Da "criação de mais Skill" para "governo dos Skill existentes".

O valor desta questão não está na quantidade de código nem na complexidade do algoritmo, mas em — finalmente, alguém está tratando este problema como um "cidadão de primeira classe".

Nos últimos dois anos, a atenção ao ecossistema de ferramentas de IA esteve toda voltada para "fazer adições". Mais modelos, mais funcionalidades, mais plugins, mais Skills. Correndo rápido, correndo forte, ninguém olhou para trás.

Mas qualquer pessoa com experiência em engenharia sabe: quando a complexidade de um sistema cresce até certo ponto, sem mecanismos de governança correspondentes, ele entrará em colapso.

Não é possível. É certo.

Na engenharia de software, existe um conceito chamado "dívida técnica". Cada solução temporária, cada "vamos deixar assim por enquanto", cada redundância não limpa, é uma forma de empréstimo. Quanto mais você empresta, maior é o juro, até que, em um determinado dia, você perceba que toda a sua energia está sendo usada para pagar a dívida, sem sobra para fazer coisas novas.

A dívida técnica do ecossistema Skill chegou ao momento em que deve ser enfrentada.

A ferramenta "Pai do Lagosta" é, em essência, um auditor de dívidas. Ela não paga suas dívidas por você, mas informa: quanto você deve, onde deve e quais devem ser pagas primeiro.

Isso tem muito mais valor do que "escrever mais uma habilidade útil".

O significado do código aberto: da ferramenta individual ao padrão da comunidade

O pai do lagostim escolheu tornar open source; essa decisão em si merece ser discutida.

Ele poderia perfeitamente transformar essa ferramenta em um plugin pago. A demanda de mercado é clara, a dor real existe, e não faltarão usuários pagantes. Mas ele escolheu torná-la open source.

Why?

Eu acho que há dois critérios a considerar.

Primeiro nível: Para que esta ferramenta realmente gere valor, é necessário o desenvolvimento conjunto pela comunidade. Os mecanismos de carregamento de Skill, os formatos de log e as estruturas de diretório variam entre diferentes plataformas de IA. Uma única pessoa não consegue adaptar tudo, mas cem contribuidores conseguem.

Segunda camada: Ele pode querer impulsionar não apenas uma ferramenta, mas um padrão. Como deve ser feita a governança do Skill? Quais são as dimensões de auditoria? Quais são as melhores práticas para alocação de orçamento? Essas questões precisam de consenso da comunidade para gerar respostas.

Open source is the best way to build consensus.

Ao revisar a história da engenharia de software, o ESLint para normas de código JavaScript, o Black para formatação Python e o Prettier para estilo de código frontend — essas ferramentas se tornaram padrões de fato porque o código aberto permitiu que a comunidade participasse da definição das regras.

Essa Meta-Habilidade do Pai do Lagosta pode se tornar um ESLint para governança de Skill?

É muito cedo para julgar. Mas a direção está correta.

Uma pergunta mais profunda: o sistema Skill deveria ser redesenhado?

As ferramentas de auditoria resolvem o problema "de estoque". Mas se ampliarmos um pouco a perspectiva, perceberemos um problema mais fundamental:

Por que o Skill sairá do controle?

A resposta é: o sistema Skill atual carece de gerenciamento de ciclo de vida.

Após um Skill ser criado, ele existe para sempre. Não há mecanismo de expiração, não há obsolescência de versões, não há decaimento de atividade. Ele é como um processo que nunca morre, ocupando recursos até que alguém o mate manualmente.

Compare o gerenciamento de processos do sistema operacional: há criação, agendamento, suspensão e encerramento. Ciclo de vida completo e fechado.

Compare again the dependency management of the package manager:npm auditchecks for security vulnerabilities,npm outdatedchecks for outdated dependencies,npm prunecleans up unused packages. Governance tools are part of the ecosystem.

E o sistema Skill? Criar → Usar → ... acabou. Muitos estágios estão faltando no meio.

A ferramenta do Pai do Lagosta, em essência, usa ferramentas externas para compensar a falta de design do sistema. Ela é útil, mas também revela um fato: a infraestrutura de plataformas de ferramentas de IA em termos de governança de Skill ainda está em estágio primitivo.

Isso não é uma crítica. É uma etapa inevitável do desenvolvimento. De 2024 a 2025, o objetivo principal da plataforma é "fazer o ecossistema funcionar"; a governança pode ser tratada depois. Mas, em meados de 2026, o ecossistema já está funcionando. É hora de recuperar o atraso.

Por fim

Voltando à pergunta original: quantos Skills no seu assistente de IA estão ativos?

Se você não conseguir responder, significa que precisa fazer um exame médico.

O pai do lagosta forneceu a ferramenta. Gratuita. De código aberto. Cinco dimensões, cobertura total.

É com você se usa ou não.

Mas tenho certeza de um ponto: aqueles que levam a sério o orçamento de contexto terão uma experiência de assistência por IA melhor do que aqueles que simplesmente acumulam habilidades sem critério.

Porque a IA não é onipotente. Sua atenção é limitada, sua memória é limitada e seus recursos de raciocínio são limitados. Quanto mais preciso e limpo for o information que você fornecer a ela, melhor será a saída que ela retornará.

Isso não é superstição. É teoria da informação.

Shannon nos informou já em 1948: a capacidade do canal é limitada, quanto mais ruído, menor a taxa de transmissão de informação útil.

As habilidades na sua lista que são habilidades zumbi são apenas ruído.

Elimine-os.

Referência

1. Adams, G. S., Converse, B. A., Hales, A. H., & Klotz, L. E. (2021). People systematically overlook subtractive changes. Nature, 592(7853), 258–261.
2. Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27(3), 379–423.
3. OpenAI. (2024). Documentação da janela de contexto e limites de tokens do GPT-4 Turbo. https://platform.openai.com/docs/models
4. Anthropic. (2025). Ficha do modelo Claude: Utilização da janela de contexto e sobrecarga do prompt do sistema. https://docs.anthropic.com/en/docs/about-claude/models
5. Equipe Cursor. (2025). Regras e Habilidades: Como as instruções personalizadas são carregadas no contexto. Documentação do Cursor.
6. Documentação do npm. (2025). npm-audit, npm-prune: Gerenciando o ciclo de vida dos pacotes. https://docs.npmjs.com/cli
7. Pai do lagosta. (2026). Skill Health Check Meta-Skill [Projeto de código aberto]. Repositório GitHub.
8. Sculley, D., et al. (2015). Hidden Technical Debt in Machine Learning Systems. Advances in Neural Information Processing Systems (NeurIPS), 28.