3.1 Skills multi-agente

🧠 Quando UMA skill não basta

Skills simples têm 1 perspectiva. Mas tarefas reais costumam ter múltiplas dimensões. Contract review = legal + risco + compliance + obrigações + ações. Forçar tudo numa skill = output raso. Solução: agentes especializados em paralelo.

📊 Sinais de que precisa multi-agente

• A tarefa tem 3+ "lentes" diferentes (técnica, financeira, legal…)
• Resultado vira score composto (não binário)
• Cada lente tem expertise distinta
• Output final agrega múltiplas dimensões

🏗️ A arquitetura: orchestrator + agentes

Padrão: 1 skill orquestradora recebe o input, dispara agentes em paralelo, aguarda outputs, agrega com pesos.

ai-legal-claude/
├── legal/
│   └── SKILL.md          ← ORQUESTRADOR (command router)
├── skills/
│   ├── legal-review/SKILL.md
│   ├── legal-risks/SKILL.md
│   └── ... (12 sub-skills)
├── agents/
│   ├── legal-clauses.md   ← AGENTE 1
│   ├── legal-risks.md     ← AGENTE 2
│   ├── legal-compliance.md ← AGENTE 3
│   ├── legal-terms.md     ← AGENTE 4
│   └── legal-recs.md      ← AGENTE 5
└── scripts/
    └── render_pdf.py

⚖️ Pesos que somam 100%

Cada agente tem peso fixo na nota final. Pesos somam 100%. Esse é o "tunning" do sistema — você ajusta com base no que importa pro seu domínio.

📐 Caso ai-legal-claude

Agente	Peso	Justificativa
Risk Assessor	25%	Risco é o que dói no bolso
Clause Analyst	20%	Sem cláusula bem entendida, nada vale
Compliance	20%	Multa regulatória >> problema técnico
Recommendations	20%	Output acionável é o produto final
Terms Mapper	15%	Importante mas suporte aos outros

🔁 Outros casos do mesmo padrão

Quando você enxerga o padrão, vê em todo lugar.

Recrutamento

5 agentes: Skill Match, Cultural Fit, Compensation, Background Verifier, Interview Synthesizer. Score 0-100 por candidato.

Due diligence (M&A)

5 agentes: Financial, Legal, Tech, Customer/Market, Team. Cada lente vira section do report.

Content audit (SEO)

5 agentes: Keyword fit, EAT signals, Internal linking, UX/CWV, Conversão. Score por artigo.

Investidor pitch review

5 agentes: Market, Team, Product, Traction, Ask/Use. Cada slide pontuado.

🛠️ Como construir o seu

Você não precisa começar com 5 agentes. Começa com 2-3, valida, expande.

Quero criar skill multi-agente pra "candidate screening".

Estrutura:
- 1 orchestrator skill ("screening")
- 3 agentes:
  * skill-match (peso 50%) — match com job description
  * cultural-fit (peso 30%) — match com valores da empresa
  * compensation-fit (peso 20%) — match com banda salarial

Cada agente:
- Lê o CV + perfil do candidato (PDF na pasta)
- Score 0-100 com justificativa
- 3 red flags / 3 green flags

Orchestrator agrega:
- Score final ponderado
- Resumo executivo de 1 parágrafo
- Recomendação: hire / pass / interview deeper

Use skill-creator pra estruturar.
Rode evals contra 5 CVs reais que eu já avaliei.

⚠️ Armadilhas comuns

Multi-agente é poderoso mas tem complexidade nova. Erros típicos:

✓ Boas práticas

✓Comece com 2-3, expande quando necessário
✓Pesos somam 100% e fazem sentido
✓Agente faz UMA coisa bem
✓Evals contra casos reais já avaliados

✗ Armadilhas

✗10 agentes "pra ser completo"
✗Pesos arbitrários sem racional
✗Agentes com overlap (ambos avaliam X)
✗Sem caso teste real

📚 Resumo do Módulo

✓

1 skill = 1 lente — multi-agente quando precisa de várias

✓

Orchestrator + agentes — pasta legal/ + agents/ + skills/

✓

Pesos somam 100% — racional explícito por peso

✓

Padrão genérico — recrutamento, due diligence, content audit, pitch

✓

Comece com 2-3 — expande quando validado

✓

Evals contra real — casos que você já decidiu manualmente

Próximo Módulo:

3.2 — 📧 Email Skill (Gmail prospecting)

← Voltar à trilha Próximo Módulo →