Busca oportunidades de produto e crescimento a partir do projeto. Trigger em: "onde eu poderia usar o jev", "faz sentido usar typesafe aqui", "classificação está frágil", "if/else de categoria", "onde usar judgment tipado", "oportunidade de ia semântica", "roteamento por regex está ruim", "analisa esse código pra ver onde IA ajudaria", "jev opportunity", "system one typesafe".
79%
Does it follow best practices?
Run evals on this skill
Adds up to 20 points to the overall score
Passed
No findings from the security scan
Fix and improve this skill with Tessl
tessl review fix ./skills/80-jev-opportunity-scout/SKILL.mdVarre o projeto atual, encontra pontos onde uma decisão semântica (classificar, detectar, pontuar, rotear, verificar) está implementada com heurística frágil, e entrega candidatos concretos migrados pro formato real do Jev (modelo System One da TypeSafe) — com localização exata, primitivo certo (Choice/Noul/Score), chamada de exemplo pronta pra copiar, e custo real calculado. Ser assertiva é o ponto desta skill: não é um relatório morno de "talvez isso ajude" — é apontar o arquivo, a linha, o motivo concreto de fragilidade, e a chamada exata que resolveria, pra quem for decidir ter o material completo na mão, não um resumo vago.
O handoff pra integrar de fato é a skill 25 (AI Integration Architect) pra desenho de adapter, ou instalar npx skills add typesafe-ai/skills --skill typesafe-ai direto — mas o trabalho de achar e justificar os candidatos é inteiro desta skill, feito com profundidade, não terceirizado por preguiça.
Esta skill segue GLOBAL.md, policies/execution.md, policies/handoffs.md, policies/tool-safety.md.
Regra de escopo: análise e recomendação, não a integração final. allowed-tools não inclui Bash/Write/Edit porque o trabalho é ler o codebase e produzir o relatório — não porque a skill deva ser tímida sobre o que encontra. Escrever o adapter, configurar credencial, ou editar o código de produção é trabalho da skill 25 ou de implementação direta, depois que os candidatos concretos desta skill já estiverem na mesa. A skill entrega munição completa, não uma sugestão frouxa.
Regra de honestidade de custo. Todo candidato reportado inclui o custo real por chamada, calculado a partir do preço documentado ($0.042 por milhão de tokens de input, output gratuito — ver references/pricing.md), não uma estimativa vaga. Se o volume do candidato for alto (ex.: rodar em cada request de produção), calcular o custo mensal projetado e destacar isso — o ponto não é vender a integração, é dar dado suficiente pra decisão.
Regra de não-substituição de lógica determinística. Nunca reportar como candidato um if/else que já é 100% determinístico e correto (comparação numérica exata, enum fechado, regra de negócio sem ambiguidade). O alvo é especificamente decisão que hoje depende de entender linguagem natural ou julgar algo ambíguo, e está sendo feito por aproximação frágil (substring match, lista de palavras-chave, regex genérico demais).
if (texto.includes(...)) decidindo categoria, prioridade, ou roteamentogpt-4, claude, etc.) cujo único propósito é devolver uma palavra de uma lista fechada, um score, ou um booleano — sinal de "prompt-and-parse" que poderia ser um judgment tipado diretotypesafe-ai/skills antes de decidir usarnpx skills add typesafe-ai/skills --skill typesafe-ai diretoreferences/o-que-e-jev.md)instructions + criteria de exemplo), e custo estimado por chamada e projetado por volumeGrep pelos sinais abaixo, cruzando com a tabela de formatos de decisão em references/decision-shapes.md:
| Sinal no código | O que geralmente indica |
|---|---|
Cadeia de if/else ou switch comparando string.includes(...)/.match(regex) contra 3+ palavras-chave pra decidir uma categoria | Classificação implementada por substring — frágil a sinônimo, erro de digitação, frase que não contém a palavra-chave exata |
| Lista de palavras-chave hardcoded pra detectar sentimento, urgência, ou intenção ("urgente", "cancelar", "reembolso") | Detecção binária que deveria ser probabilística — a lista nunca cobre todas as formas de dizer a mesma coisa |
| Chamada de LLM genérico com prompt terminando em "responda apenas com: A, B ou C" ou "responda apenas true ou false" | Prompt-and-parse — pagando preço de LLM completo por uma decisão que o Jev resolve mais rápido e mais barato, com probabilidade calibrada em vez de um texto pra fazer parse |
Função de scoring manual que soma pontos por regra (if tem_x: score += 1) pra decidir prioridade/severidade numa escala | Score heurístico não calibrado — cada peso foi um palpite, não uma calibração contra outcome real |
Comentário ou nome de função como # TODO: melhorar essa deteccao, classifyRoughly, guessCategory | Sinal explícito de que o autor já sabe que a heurística atual é aproximada |
Usar Grep com os padrões acima nos arquivos do projeto (extensões de código, não node_modules/vendor/dist). Não escanear arquivo por arquivo sem alvo — focar em diretórios de lógica de negócio (services/, handlers/, routes/, lib/), não em teste ou config.
Usar references/decision-shapes.md pra decidir entre os três primitivos:
Se o candidato precisar de mais de um primitivo (ex.: primeiro decidir SE é reembolso via Noul, depois QUAL time via Choice), reportar como um único candidato com as duas perguntas — a doc do Jev recomenda perguntas independentes na mesma chamada em vez de chamadas separadas em sequência (ver references/decision-shapes.md).
Para cada candidato, escrever o par instructions/criteria (ou instructions sozinho pra Noul/Score) que substituiria a heurística atual — no formato real da API, não pseudocódigo:
questions={
"<nome_da_decisao>": Choice( # ou Noul, ou Score
instructions="<a pergunta que a heuristica atual tenta responder>",
criteria={
"<opcao_1>": "<descricao que distingue essa opcao das outras>",
"<opcao_2>": "<descricao>",
},
),
}Nunca inventar campo que não existe na API real — type, instructions, criteria são os campos documentados (ver references/pricing.md e references/decision-shapes.md para o request/response completo).
Estimar tokens de input pelo tamanho típico do texto que passaria por state no candidato (ex.: tamanho médio de um ticket de suporte). Multiplicar por $0.042 / 1.000.000 tokens. Se o usuário mencionou volume (ex.: "isso roda em todo request", "temos 10 mil tickets/mês"), projetar o custo mensal e reportar ao lado do candidato — não deixar o número escondido só em "barato".
# Oportunidades Jev — <projeto>
## Candidato 1: <nome da decisão>
**Onde:** `caminho/arquivo.ts:42`
**Hoje:** <trecho resumido do código atual>
**Por que é frágil:** <razão concreta>
**Primitivo sugerido:** Choice | Noul | Score
**Chamada equivalente:**
\`\`\`python
<exemplo real>
\`\`\`
**Custo estimado:** ~$X por 1000 chamadas (input ~N tokens) | projeção mensal se volume informado
## Candidato 2: ...
## Nenhum candidato encontrado em: <áreas escaneadas sem sinal>
## Próximo passo
Se algum candidato valer a pena: `npx skills add typesafe-ai/skills --skill typesafe-ai` instala a skill oficial de integração, ou a skill 25 (AI Integration Architect) desenha o adapter/fallback/observabilidade em volta da chamada.browser-use/jev-ultrafast é evidência real de onde essa troca vale: um agente de navegador que usava LLM completo pra decidir cada clique, migrado pra usar o Jev nessa decisão específica, saiu de ~9.4s pra ~7.1s numa tarefa medida (25% mais rápido), com custo por decisão na faixa de centésimos de centavo. Se esse projeto estiver instalado no ambiente (D:\Repos\GERAL\jev-ultrafast, ver references/jev-ultrafast-local.md), citar como referência concreta ao apresentar candidatos de roteamento/classificação — não é hipotético, já roda.
npx skills add typesafe-ai/skills --skill typesafe-ai — instala a skill oficial da TypeSafe com a documentação viva e SDKs, pra quem for escrever a integração de fatoSeguir policies/handoffs.md.
Mecanismo (heurísticas de detecção de decisão frágil, formato de relatório) escrito para este kit — não existe upstream equivalente. Conhecimento de domínio sobre os primitivos Jev (Choice/Noul/Score), formato de request/response, e preço vêm da documentação oficial em docs.typesafe.ai e do repositório typesafe-ai/skills (MIT) — resumidos em references/ desta skill, não copiados verbatim. A skill oficial deles é o caminho de instalação real quando o usuário decide integrar; esta skill é a camada de decisão que antecede aquela instalação.
felvieira/claude-skills-fv
449fb53
If you maintain this skill, you can claim it as your own. Once claimed, you can manage eval scenarios, bundle related skills, attach documentation or rules, and ensure cross-agent compatibility.