⚠️ O Problema do Excesso

Existe um padrão comportamental muito comum entre quem começa a usar skills: a corrida para ter uma skill para cada situação imaginável. Com 50 skills instaladas, a sensação é de estar completamente equipado para qualquer desafio. Na prática, o que acontece é o oposto. O contexto fica sobrecarregado, o Claude fica confuso sobre qual skill usar em cada momento, e a qualidade das respostas despenca progressivamente.

A ilusão funciona porque a lógica parece impecável na superfície: mais ferramentas = mais capacidade. É a mesma lógica do técnico que carrega uma caixa de ferramentas com 400 itens para um trabalho que precisa de 5. O excesso não ajuda — ele atrapalha. Você passa mais tempo procurando a ferramenta certa do que usando ela. No contexto de LLMs, o problema é ainda mais sutil porque o custo não aparece de forma óbvia — ele se manifesta como respostas menos precisas, triggers errados e um sistema cada vez mais imprevisível.

O mecanismo é direto: ao iniciar qualquer sessão com o Claude, o sistema carrega os metadados de todas as skills disponíveis no ambiente. Isso inclui nome, descrição e, dependendo da configuração, partes do corpo de cada skill. Se você tem 30 skills, 30 blocos de informação são injetados no contexto antes mesmo de você digitar a primeira palavra da sessão.

Imagine chegar a uma reunião onde o assistente já te entregou 30 relatórios para você ler antes de começar. Você não pediu por 28 deles. Mas agora eles estão ocupando espaço na sua mesa de trabalho mental. O Claude enfrenta o mesmo problema: ele precisa processar toda essa informação contextual, o que consome capacidade que deveria estar disponível para a tarefa real que você trouxe.

Tokens de contexto não são abstrações técnicas — são unidades de atenção que o modelo aloca para processar informação. A janela de contexto de um LLM funciona como memória de trabalho: existe um limite físico de quanto cabe, e tudo que está dentro compete por atenção com todo o resto. Quando você enche essa janela com skills desnecessárias, está literalmente roubando capacidade de atenção da tarefa que importa.

O efeito é gradual e difícil de perceber no curto prazo. A primeira skill extra não vai destruir a qualidade. A décima vai fazer uma diferença pequena. A trigésima vai resultar em respostas visivelmente mais genéricas, menos precisas e com mais confusões de contexto. É o efeito da degradação cumulativa — cada adição individualmente parece insignificante, mas o impacto total é substancial.

Skills são arquivos de instruções em texto que moldam o comportamento do Claude em profundidade. Uma skill bem projetada direciona o Claude para produzir resultados excepcionais. Uma skill maliciosa pode fazer o oposto — redirecionando saídas, exfiltrando informações do contexto, introduzindo vieses sistemáticos ou subvertendo instruções de outros arquivos de configuração.

O vetor de ataque mais comum é a skill que parece inofensiva ou útil mas contém instruções ocultas no corpo do arquivo. Como a maioria das pessoas não lê o conteúdo completo de uma skill antes de instalá-la — especialmente quando vem de um repositório "confiável" de terceiros — esse vetor é eficaz. Repositories de skills compartilhadas podem ter passado por revisões superficiais ou nenhuma revisão.

Toda skill passa por um ciclo de vida: surge de uma necessidade real, é usada intensamente por um período, e gradualmente perde relevância à medida que o contexto de trabalho muda. O problema é que a maioria das pessoas nunca executa a etapa de aposentadoria da skill. Ela simplesmente continua existindo no ambiente — consumindo contexto, criando ruído e potencialmente disparando em momentos inapropriados.

Skills fantasma são particularmente insidiosas porque o custo não é perceptível de forma isolada. Você não consegue apontar para uma resposta ruim e dizer "foi essa skill fantasma que causou isso." O impacto é difuso — uma degradação geral da qualidade que se torna sua nova normalidade sem que você perceba a mudança gradual. A única forma de combater isso é com revisões periódicas e deliberadas do inventário.

O princípio da biblioteca enxuta é contraintuitivo mas comprovado na prática: uma coleção menor de skills bem projetadas entrega mais valor do que uma coleção grande de skills mediocres. Com menos skills, o Claude tem contexto mais limpo para trabalhar, menos ambiguidade na seleção, e cada skill individual recebe mais atenção no momento de uso.

Pense como um chef profissional que usa 8 facas perfeitamente afiadas e bem selecionadas versus um amador que tem 40 facas de qualidade variável. O chef sabe exatamente qual ferramenta usar em cada situação, suas ferramentas estão sempre prontas, e o resultado do trabalho é consistentemente superior. No seu ambiente de skills, a mesma lógica se aplica sem exceção.