📊 Stack Lean de Skills

Você não pode gerenciar o que não conhece. E surpreendentemente, a maioria das pessoas não conhece completamente o que tem na própria biblioteca de skills — skills criadas há meses e esquecidas, duplicatas com nomes diferentes, skills que evoluíram tanto que o nome original não descreve mais o que fazem. O inventário é a operação fundamental que transforma uma coleção caótica em uma biblioteca gerenciável. Ele não precisa ser sofisticado: uma lista com nome, propósito de uma linha, frequência de uso estimada e data de última atualização já é suficiente para revelar padrões que eram invisíveis antes — skills subutilizadas, clusters de redundância, gaps de cobertura.

Playbook de poda — uma visão estratégica do que manter vs. o que cortar

"Eu posso precisar disso algum dia" é o maior inimigo de uma biblioteca lean. Esse raciocínio, aplicado consistentemente, transforma qualquer acervo em um depósito de itens que nunca são usados mas ocupam atenção e criam ruído de navegação. Critérios objetivos de corte resolvem esse problema removendo a emoção da decisão. Quando uma skill não atinge o threshold de uso, o critério de corte é acionado automaticamente — sem culpa, sem justificativas elaboradas, sem "mas e se". Os critérios devem ser definidos antes da análise, não depois, para evitar que você mova os postes inconscientemente para salvar skills que você criou mas nunca usa.

Deletar uma skill que você criou parece difícil — você investiu tempo nela, ela representa trabalho real. Mas manter uma skill morta tem um custo oculto: ela ocupa espaço de atenção, cria confusão sobre o que está ativo e disponível, e pode ser acionada inadvertidamente produzindo resultados desatualizados. O conceito de "skill zumbi" — skills que existem mas não são mais usadas por ninguém — descreve exatamente esse problema. Deletar com consciência, precedido de um arquivamento, é um ato de curadoria que melhora a qualidade da biblioteca inteira. O segredo está no processo: arquivar antes de deletar, e aguardar 30 dias para confirmar que nada foi perdido antes de remover o arquivo.

A regra dos 30 dias é a ferramenta mais objetiva para distinguir skills ativas de skills que você acha que vai usar. Qualquer skill não utilizada nos últimos 30 dias merece ser questionada — não deletada automaticamente, mas questionada com honestidade: por que não foi usada? O trigger está ruim? A skill foi substituída por um processo manual? Você simplesmente esqueceu que ela existe? Cada resposta leva a uma ação diferente: trigger ruim → corrigir, substituída → consolidar, esqueceu → melhorar visibilidade. A regra dos 30 dias não é sobre deletar indiscriminadamente — é sobre forçar uma resposta honesta sobre o valor real de cada skill.

Revisões de biblioteca só acontecem quando as coisas estão visivelmente ruins — e nesse ponto, o acúmulo é tão grande que o processo de limpeza se torna penoso e sujeito a erros. A cadência regular resolve isso distribuindo o trabalho ao longo do tempo, mantendo a biblioteca sempre em estado saudável sem grandes esforços concentrados. O sistema de três cadências — semanal, mensal, trimestral — é calibrado para o nível de detalhe adequado a cada frequência: a revisão semanal é superficial e rápida (sinais de alerta), a mensal é de qualidade (cada skill individualmente), e a trimestral é estratégica (visão da biblioteca como um todo). A soma das três é menos trabalho do que uma auditoria semestral, e produz resultados muito melhores.

Uma biblioteca pode ser pequena e ainda assim ruim — poucas skills, mas todas desatualizadas ou com triggers confusos. E pode ser grande e ainda assim saudável — muitas skills, todas atualizadas e com uso ativo. O tamanho da biblioteca não é o indicador correto de saúde. Os indicadores corretos medem o que realmente importa: uso ativo, qualidade do trigger, atualização recente e ausência de redundância. Com as métricas certas em mãos, você consegue responder objetivamente "minha biblioteca de skills está melhorando ou piorando?" — uma pergunta simples que a maioria das pessoas não consegue responder porque não tem dados para embasar a resposta.