🧰 O que é uma meta-skill
Meta-skill é uma skill cujo trabalho é ajudar você a trabalhar com outras skills: descobrir, criar, testar, otimizar e empacotar. Enquanto uma skill comum resolve a tarefa do usuário final (mexer num xlsx, montar um dashboard), a meta-skill atua um nível acima — ela é a oficina onde as skills nascem. Para quem cria skills, dominar três meta-skills muda o jogo.
As três que importam
skill-creator — anthropics · 246k installs
A oficina canônica: captura intent, draft, evals, loop de iteração e otimizador de description.
find-skills — vercel-labs · 1.802.925 installs
A skill mais instalada do catálogo inteiro. Descobre skills existentes antes de você criar do zero.
scaffolding / templates — padrão, não um único pacote
Gera o esqueleto inicial (SKILL.md + pastas) para você não começar com a folha em branco.
💡 Por que começar pelas ferramentas
No catálogo de 39.366 skills, 60,2% têm menos de 100 installs. Muita gente cria sem nunca conferir se já existe algo melhor, e sem usar o loop de evals. As meta-skills resolvem exatamente isso: descobrir antes, criar com método, validar com dados.
⭐ skill-creator — a oficina canônica
O skill-creator da Anthropic é a meta-skill de referência. Ela não escreve só um SKILL.md: orquestra o ciclo inteiro — draft → eval → iterate — e traz um otimizador de description separado. É a base de tudo que você viu nos módulos 4.1 e 4.2.
O que faz
Captura intent (4 perguntas), escreve o draft, gera test prompts, roda com-skill vs baseline em subagents, agrega benchmark e roda o loop de otimização de description.
Quando usar
Sempre que for criar uma skill nova, melhorar uma existente, rodar evals, medir performance com variância ou otimizar o disparo. É o ponto de partida — não improvise um processo paralelo.
Como entra no fluxo
É o eixo central. find-skills entra antes (descobrir) e o scaffolding entra dentro dela (gerar a base). O skill-creator amarra os scripts: aggregate_benchmark, generate_review.py, run_loop.py, package_skill.py.
frontmatter do skill-creator (description é o gatilho):
name: skill-creator description: Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy.
🎯 Repare na description
Ela lista contextos concretos ("create from scratch", "run evals", "benchmark", "optimize description") em vez de uma frase vaga. É a própria meta-skill praticando o conselho que dá: a description deve dizer o que faz E quando usar, de forma um pouco pushy.
🔭 find-skills — descobrir antes de criar
find-skills (vercel-labs) é a skill mais instalada do catálogo: 1.802.925 installs. Seu trabalho é descobrir skills relevantes para uma tarefa — o que evita o erro mais caro de quem cria: passar horas escrevendo algo que já existe melhor.
✗ Criar às cegas
- ✗Escreve do zero sem checar o catálogo
- ✗Reinventa uma skill com 200k installs e anos de iteração
- ✗Vira mais uma das 60,2% com <100 installs
✓ Descobrir primeiro
- ✓Roda find-skills com a descrição da tarefa
- ✓Acha o que já existe e usa, estende ou se inspira
- ✓Só cria do zero quando o nicho realmente está vazio
conceito do retorno de uma busca por skills:
{
"query": "transformar planilha xlsx em relatório",
"matches": [
{ "name": "supabase-postgres-best-practices",
"installs": 203000, "source": "supabase" },
{ "name": "frontend-design",
"installs": 488299, "source": "anthropics" }
],
"decision": "estender existente | criar nova"
}
💡 Discovery é etapa zero
find-skills entra ANTES do skill-creator. O fluxo saudável é: descrever a tarefa → find-skills → decidir (usar / estender / criar) → só então abrir o skill-creator. Pula essa etapa e você arrisca duplicar trabalho que outra equipe já fez melhor.
🏗️ Scaffolding e templates
Scaffolding é o padrão de gerar o esqueleto inicial da skill em vez de digitar tudo na mão: o SKILL.md com frontmatter, as pastas scripts/, references/, assets/ e arquivos-modelo. Não é um único pacote famoso — é uma técnica que o próprio skill-creator aplica internamente quando começa um draft.
esqueleto gerado pelo scaffolding:
minha-skill/
├── SKILL.md # frontmatter (name + description) + corpo
├── scripts/ # código determinístico/repetitivo
├── references/ # docs carregadas sob demanda
├── assets/ # templates, ícones, fontes
└── evals/
└── evals.json # test prompts (sem assertions ainda)
✓ Bom uso de template
- ✓Gera a estrutura padrão e os arquivos vazios certos
- ✓Pré-preenche o frontmatter com name + placeholder de description
- ✓Deixa você focar no conteúdo, não na ferragem
✗ Template virando muleta
- ✗Cria
scripts/ereferences/vazias "por garantia" - ✗Deixa o boilerplate do template no SKILL.md final
- ✗Esquece de cortar o que não puxa peso (viola "manter enxuto")
💡 Crie só as pastas que vai usar
O conselho do skill-creator é "não crie tudo upfront — crie diretórios conforme precisa". Scaffolding acelera o começo, mas pastas vazias confundem o modelo e o leitor. Gere o esqueleto, depois pode a estrutura.
🔗 Onde cada uma entra no seu fluxo
As três meta-skills não competem — elas se encadeiam. A sequência que evita retrabalho e gera skills que duram é simples e tem ordem.
🔭 find-skills — descobrir
Antes de tudo: já existe algo? Usar, estender ou criar? Decisão baseada no que o catálogo de 39.366 skills oferece.
🏗️ scaffolding — gerar a base
Esqueleto inicial dentro do skill-creator: SKILL.md + pastas certas. Folha não-em-branco.
⭐ skill-creator — criar e iterar
Draft → test prompts → evals → benchmark → loop de iteração até satisfazer.
🎚️ otimizador de description — afinar disparo
Ainda dentro do skill-creator: should-trigger / should-not, escolhe best_description pelo test score.
A regra de ouro
Descobrir antes de criar. Gerar a base antes de iterar. Iterar com dados antes de empacotar. Cada meta-skill cobre uma etapa — usá-las fora de ordem é onde nascem as skills de <100 installs.
📋 Tabela de bolso: qual meta-skill usar
Um resumo prático para colar na parede. Diante de uma situação, qual ferramenta puxar.
situação → meta-skill:
"acho que preciso de uma skill pra X" → find-skills "o catálogo não tem, vou criar" → skill-creator "não sei nem por onde começar o arquivo" → scaffolding "tenho um draft, quero validar" → skill-creator (evals) "a skill não dispara quando devia" → otimizador de description "a skill está pronta, quero distribuir" → package_skill.py
246k · anthropics. O eixo: criar, avaliar, medir, otimizar.
1,8M · vercel-labs. A etapa zero: descobrir antes de criar.
Padrão. O esqueleto: SKILL.md + pastas, sem folha em branco.
💡 Pro tip
Instale as três e deixe disponíveis. Como o Claude tende a subdisparar, mencione explicitamente "use find-skills para conferir" e "use o skill-creator para criar" nas primeiras vezes — depois vira reflexo do fluxo.
✅ Resumo do Módulo
Próximo:
Módulo 4.4 — 🛠️ Como Criar: Walkthrough Completo com Evals — um exemplo trabalhado de ponta a ponta, do intent ao evals.json com assertions verificáveis.