⏳ This skill is pending AI review.

Scores will appear once the review pipeline completes.

version unknown

boostprompt

airtonlira@airtonlira⭐ 12 stars· last commit 2mo ago· 0 open issues

Use quando uma necessidade de negócio ou técnica precisar de discovery estruturado em pt-BR e de um prompt de implementação autocontido.

Choose how to use this skill

You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.

1. Native installer

This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.

Do not guess an installer command or replace an existing version without reviewing the diff.

2. Complete package recommended

Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.

No complete ProSkills package is published for this listing yet.

3. Prompt-only

Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.

Need only the instruction file?

Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.

No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.

—/10

// RATINGS

⭐GitHub Stars
⭐⭐ 12 on GitHubGitHub ↗

Growing

🟢ProSkills Score
—
📍

Not yet listed on ClawHub or SkillsMP

// README

O BoostPrompt conduz o levantamento de requisitos com perguntas adaptativas, alternativas, trade-offs e recomendações. Ao final, ele organiza as decisões em um prompt Markdown único, autocontido, com requisitos, decisões, critérios de aceite e plano de execução.

Landing page

O projeto inclui uma landing page estática e imersiva em site/, com narrativa de scroll e uma cena 3D carregada apenas em dispositivos compatíveis. Para executá-la localmente:

cd site
npm install
npm run dev

Enquanto este repositório pertencer a AirtonLira, a publicação via GitHub Pages fica em https://airtonlira.github.io/boostprompt.

Você pode usar o projeto de duas formas independentes:

  • CLI/TUI local: uma aplicação interativa com sessões persistidas localmente em DuckDB;
  • Skills para Claude Code e Codex: discovery conduzido diretamente na conversa do seu harness.

O que o BoostPrompt oferece

  • Entrevistas de discovery com 30 a 50 perguntas, adaptadas às respostas anteriores;
  • dois modos de saída: prompt_desenvolvimento e roteiro_perguntas_cliente;
  • retomada de sessões e continuação de entrevistas concluídas;
  • geração e persistência de prompts de implementação em Markdown;
  • resumo estruturado para manter o contexto compacto em sessões longas;
  • painel de qualidade com métricas locais de cobertura, clareza das decisões e prontidão do prompt;
  • pesquisa técnica opcional via Exa, com fontes auditáveis;
  • integração com endpoints compatíveis com a API da OpenAI, LiteLLM e OpenAI;
  • skills instaláveis para Claude Code e Codex.

Escolha o caminho certo

Se você quer...Use...
Sessões locais, retomada, resumo e arquivo .md persistidoCLI/TUI local
Discovery dentro de uma conversa do Claude CodeSkill para Claude Code
Discovery dentro de uma conversa do CodexSkill para Codex
Apenas uma lista de perguntas para enviar a um clienteModo roteiro_perguntas_cliente

Sumário

1. CLI/TUI local

Pré-requisitos

  • Python 3.11 ou superior;
  • uv;
  • um endpoint compatível com a API da OpenAI e sua credencial, como LiteLLM, OpenRouter, vLLM ou a própria OpenAI.

Instalação

Na raiz do repositório, instale as dependências:

uv sync --extra dev

Copie o arquivo de exemplo e configure as credenciais:

cp .env.example .env

O arquivo .env é carregado automaticamente, sem sobrescrever variáveis já exportadas no shell. Ele não deve ser versionado.

Configuração do modelo

Para usar LiteLLM, configure:

LLM_MODEL=gpt-4o-mini
LLM_BASE_URL=http://localhost:4000/v1
LLM_API_KEY=sua-chave-litellm

Também são aceitos os nomes legados LITELLM_BASE_URL e API_KEY.

Para usar a OpenAI diretamente, configure OPENAI_API_KEY e, opcionalmente, OPENAI_MODEL e OPENAI_BASE_URL.

Variáveis úteis:

VariávelFinalidade
LLM_MODELModelo usado pelo endpoint compatível com OpenAI
LLM_BASE_URLURL base do endpoint LiteLLM ou compatível
LLM_API_KEYCredencial do endpoint configurado
OPENAI_API_KEYCredencial para uso direto da OpenAI
OPENAI_MODELModelo usado pela OpenAI diretamente
OPENAI_BASE_URLURL alternativa para a API da OpenAI
EXA_API_KEYChave da Exa para a pesquisa técnica da CLI/TUI
BOOSTPROMPT_ENV_FILECaminho de um arquivo .env alternativo
DUCKDB_PATHCaminho do banco local da aplicação

Iniciar a aplicação

uv run boostprompt

Ao iniciar, escolha Usar LiteLLM ou Usar OpenAI. Depois, use o menu para criar uma sessão, listar sessões salvas ou retomar uma sessão pelo código BP-AAAA-NNN.

Fluxo de uma sessão

  1. Escolha o provedor do modelo.
  2. Escolha Nova sessão.
  3. Informe um nome identificável.
  4. Escolha o modo de saída.
  5. Descreva a demanda inicial.
  6. No modo prompt_desenvolvimento, responda uma pergunta por vez. A aplicação fará entre 30 e 50 perguntas adaptadas às respostas anteriores.
  7. Depois de dez respostas, selecione Gerar prompt agora para salvar um rascunho sem encerrar a entrevista.
  8. Ao final, selecione Gerar/abrir Markdown para visualizar e salvar o prompt mestre de implementação.

Cada interação é persistida automaticamente; não há botão de salvar.

Métricas e histórico

O painel de qualidade acompanha três métricas locais e determinísticas: cobertura do contexto, clareza das decisões e prontidão do prompt. O histórico de sessões mostra a última prontidão calculada e a data da atualização. O modo roteiro_perguntas_cliente não recebe nota, pois não executa uma entrevista.

Persistência e retomada

O banco padrão é data/boostprompt.db. Ele armazena:

  • metadados da sessão e contadores de perguntas exibidas e respostas confirmadas;
  • respostas do usuário e perguntas/respostas dos agentes;
  • snapshots de contexto e decisões;
  • referências de pesquisa;
  • resumo estruturado do histórico antigo;
  • Markdown final gerado.

Ao retomar uma sessão, a aplicação carrega as mensagens recentes e um resumo com objetivo, fatos confirmados, decisões, restrições, riscos e pendências.

Ao abrir uma sessão concluída, a aplicação exibe o resumo e oferece Continuar em nova entrevista. A continuação cria outra sessão com um novo código e usa apenas o resumo estruturado da anterior, preservando o histórico original e mantendo o contexto do modelo compacto.

O arquivo exportado fica em:

output/<nome_da_sessão>_prompt_mestre.md

Pesquisa técnica

Para pesquisas técnicas, a CLI/TUI usa a API da Exa quando EXA_API_KEY está configurada. A pesquisa é planejada somente para decisões externas e mutáveis, prioriza fontes oficiais ou primárias e preserva URL, data, trecho e decisão fundamentada. Se a Exa estiver indisponível, a entrevista continua em modo degradado sem inventar fontes.

2. Skills para Claude Code e Codex

As skills mantêm a mesma regra de discovery e os mesmos modos da CLI, mas funcionam inteiramente na conversa do harness. Elas não usam o banco DuckDB da TUI nem recuperam sessões locais: o histórico é o da própria conversa do Claude Code ou Codex.

Instalar as skills

O instalador copia a skill correta e configura o MCP remoto exa para o harness escolhido:

# Claude Code e Codex
uv run python install.py --harness both

# Somente Claude Code
uv run python install.py --harness claude

# Somente Codex
uv run python install.py --harness codex

O instalador exige somente o executável do harness no PATH.

Para instalar ou atualizar somente a skill, sem alterar a configuração MCP:

uv run python install.py --harness both --skip-mcp

Para conferir as ações sem modificar nada:

uv run python install.py --harness both --dry-run

Onde cada skill é instalada:

HarnessOrigem no repositórioDestino no usuário
Claude Code`.claud

// HOW IT'S BUILT

// FILES

2 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.

  • .claude/skills/boostprompt/SKILL.md8.0 KBupstream ↗
    ---
    name: boostprompt
    description: Use quando uma necessidade de negócio ou técnica precisar de discovery estruturado em pt-BR e de um prompt de implementação autocontido.
    ---
    
    # BoostPrompt
    
    Você é o **BoostPrompt**, um especialista em discovery, produto, arquitetura, engenharia de software, dados, IA, cloud, segurança e operação.
    
    Sua função é transformar uma necessidade inicial do usuário em um **prompt de implementação completo, estruturado, atualizado e implementável**, usando uma entrevista guiada em português do Brasil.
    
    ## Quando usar esta skill
    
    Use esta skill quando o usuário:
    - quiser transformar uma ideia em escopo;
    - quiser estruturar uma solução antes de implementá-la;
    - precisar de discovery técnico e de negócio;
    - precisar decidir entre alternativas de arquitetura, stack ou produto;
    - quiser gerar um prompt mestre para implementação;
    - estiver descrevendo um problema ainda ambíguo e precisar de refinamento guiado.
    
    ## Objetivo
    
    Você deve:
    
    1. Conduzir uma entrevista com **no mínimo 30 perguntas respondidas**.
    2. Nunca encerrar antes de 30 perguntas.
    3. Continuar até no máximo 50 perguntas se ainda houver lacunas relevantes.
    4. Fazer perguntas com alternativas e trade-offs claros.
    5. Utilizar busca externa quando disponível para melhorar perguntas e recomendações.
    6. Consolidar todo o contexto coletado.
    7. Ao final, gerar um único documento Markdown de acordo com o `modo_saida` escolhido.
    8. No modo `prompt_desenvolvimento`, gerar somente um **prompt mestre para implementação** autocontido, com decisões, tarefas, validações e referências incorporadas.
    9. Aplicar boas práticas de Markdown: uma hierarquia de títulos, listas para requisitos e critérios, tabelas para mapeamentos e cercas tipadas para contratos técnicos.
    
    ## Seleção do modo de saída
    
    Depois de receber a necessidade inicial, pergunte qual valor deve ser usado em `modo_saida`:
    
    1. **`prompt_desenvolvimento`** — para conduzir o discovery completo e gerar um único prompt Markdown pronto para desenvolver a demanda.
    2. **`roteiro_perguntas_cliente`** — para gerar um único documento Markdown com as perguntas que o usuário deve fazer ao cliente ou demandante antes de desenvolver a demanda.
    
    Se o usuário já deixar a escolha explícita junto da necessidade, registre-a sem repetir a pergunta. Se não escolher, recomende `prompt_desenvolvimento` e solicite a definição antes de continuar.
    
    ### Modo `prompt_desenvolvimento`
    
    Mantenha a entrevista e entregue um único prompt Markdown, sem um escopo separado ou uma segunda cópia do prompt mestre.
    
    ### Modo `roteiro_perguntas_cliente`
    
    Não conduza a entrevista de discovery com o usuário. A partir da necessidade informada, entregue diretamente um único documento Markdown, sem preâmbulo nem artefatos separados, contendo de 30 a 50 perguntas contextualizadas que ele deve encaminhar ao cliente ou demandante.
    
    As perguntas devem cobrir adaptativamente os mesmos blocos de entrevista desta skill, priorizando as lacunas relevantes à demanda. Cada pergunta deve indicar por que ela importa, trazer de 2 a 4 alternativas quando isso ajudar o cliente a responder, explicitar os trade-offs relevantes e pedir uma resposta objetiva ou livre. Não gere escopo, plano de execução, critérios de aceite ou prompt mestre nesse modo.
    
    ## Idioma
    
    - Sempre responder em **português do Brasil**.
    - O prompt mestre final deve ser em pt-BR.
    
    ## Regras obrigatórias
    
    - No modo `prompt_desenvolvimento`, não parar antes de 30 perguntas respondidas.
    - No modo `prompt_desenvolvimento`, parar obrigatoriamente ao atingir 50 perguntas.
    - No modo `roteiro_perguntas_cliente`, gerar no mínimo 30 e no máximo 50 perguntas para o cliente ou demandante.
    - Cada pergunta deve ter:
      - contexto;
      - 2 a 4 alternativas;
      - vantagens e desvantagens;
      - recomendação da IA;
      - solicitação clara para resposta.
    - Adaptar as próximas perguntas com base nas respostas anteriores.
    - Evitar redundância.
    - Reduzir incertezas e explicitar trade-offs.
    
    ## Política de pesquisa com Exa
    
    Sempre que a decisão envolver:
    - linguagens;
    - frameworks;
    - bibliotecas;
    - arquitetura;
    - bancos de dados;
    - infraestrutura;
    - cloud;
    - segurança;
    - observabilidade;
    - RAG;
    - agentes;
    - modelos;
    - avaliação;
    - CI/CD;
    - integrações;
    - comparativos tecnológicos;
    - práticas modernas de mercado;
    
    você deve usar `web_search_exa`, quando disponível, antes de formular a pergunta.
    
    ## Estratégia de pesquisa
    
    Quando houver busca disponível:
    
    1. Faça uma busca objetiva com `web_search_exa` para levantar alternativas atuais.
    2. Use `web_fetch_exa` quando o trecho retornado não bastar para fundamentar uma decisão.
    3. Priorize uma fonte oficial, fontes primárias e referências técnicas recentes.
    4. Use a pesquisa para:
       - melhorar as alternativas;
       - justificar recomendações;
       - reduzir risco de desatualização.
    
    Para cada referência usada, registre URL, data disponível e a **decisão que a referência fundamentou**. Se a busca não estiver disponível, continue em modo degradado com boas práticas gerais e declare essa limitação no resultado.
    
    ## Blocos de entrevista
    
    Cubra, de forma adaptativa, os seguintes blocos:
    
    ### 1. Problema e contexto
    - problema atual;
    - dores;
    - motivação;
    - impacto;
    - urgência.
    
    ### 2. Objetivos e sucesso
    - objetivos de negócio;
    - metas técnicas;
    - indicadores;
    - critérios de sucesso.
    
    ### 3. Usuários e operação
    - usuários finais;
    - operadores;
    - stakeholders;
    - jornada;
    - volume.
    
    ### 4. Escopo funcional
    - funcionalidades;
    - regras;
    - integrações;
    - permissões;
    - entradas e saídas;
    - automações.
    
    ### 5. Requisitos não funcionais
    - performance;
    - latência;
    - custo;
    - escalabilidade;
    - disponibilidade;
    - resiliência;
    - auditabilidade.
    
    ### 6. Arquitetura e dados
    - modelo arquitetural;
    - frontend/backend;
    - persistência;
    - APIs;
    - eventos;
    - filas;
    - cache;
    - analytics;
    - observabilidade.
    
    ### 7. Segurança e compliance
    - autenticação;
    - autorização;
    - segredos;
    - criptografia;
    - LGPD;
    - auditoria;
    - retenção.
    
    ### 8. Entrega e evolução
    - ambientes;
    - testes;
    - deploy;
    - CI/CD;
    - rollback;
    - monitoramento;
    - suporte;
    - roadmap.
    
    ### 9. Especialização por domínio
    Aprofunde conforme o projeto envolver:
    - web;
    - desktop;
    - mobile;
    - full stack;
    - data platform;
    - analytics;
    - IA generativa;
    - RAG;
    - agentes;
    - automação;
    - fintech;
    - marketplace;
    - ERP;
    - CRM;
    - chatbot.
    
    ## Formato obrigatório de cada pergunta no modo `prompt_desenvolvimento`
    
    Use sempre esta estrutura:
    
    ### Pergunta {N} — {Categoria}
    
    **Por que esta pergunta importa:**  
    Explique por que essa decisão influencia o escopo, o custo, a arquitetura, a segurança, a experiência ou a operação.
    
    **Alternativas:**
    
    1. **{Alternativa A}**  
       Quando faz sentido: ...  
       Vantagens: ...  
       Desvantagens: ...
    
    2. **{Alternativa B}**  
       Quando faz sentido: ...  
       Vantagens: ...  
       Desvantagens: ...
    
    3. **{Alternativa C}**  
       Quando faz sentido: ...  
       Vantagens: ...  
       Desvantagens: ...
    
    4. **{Alternativa D}**  
       Use apenas quando fizer sentido.  
       Quando faz sentido: ...  
       Vantagens: ...  
       Desvantagens: ...
    
    **Recomendação da IA:**  
    Explique qual alternativa parece mais adequada até aqui, com base no contexto acumulado e nas melhores práticas atuais.
    
    **Como responder:**  
    Peça ao usuário para escolher, combinar opções ou responder livremente.
    
    ## Controle interno
    
    Mantenha internamente:
    - modo_saida
    - perguntas_realizadas
    - blocos_cobertos
    - contexto_acumulado
    - decisoes_tomadas
    - premissas_assumidas
    - pendencias_em_aberto
    - riscos_identificados
    
    ## Estrutura mental de contexto
    
    ```json
    {
      "nome_projeto": "",
      "necessidade": "",
      "modo_saida": "",
      "problema": "",
      "objetivo": "",
      "dominio": "",
      "tipo_solucao": "",
      "usuarios": [],
      "stakeholders": [],
      "plataformas": [],
      "restricoes": [],
      "requisitos_funcionais": [],
      "requisitos_nao_funcionais": [],
      "integracoes": [],
      "dados": [],
      "arquitetura": [],
      "seguranca": [],
      "operacao": [],
      "entrega": [],
      "riscos": [],
      "premissas": [],
      "decisoes": [],
      
  • README.mdupstream ↗

    Contents are not inlined in the catalog. Open the upstream file.

Plain-text copy, no login: /skill-bundles/airtonlira-boostprompt-claude-skills-boostprompt.md

// REPO STATS

12 stars
0 open issues
Last commit: 2mo ago