Você organizou um procedimento, escreveu o arquivo e esperou que a IA o utilizasse. Mas ela respondeu como se a skill não existisse. Em outra conversa, o problema foi inverso: uma skill de revisão apareceu em uma tarefa que pedia implementação. Antes de aumentar as instruções ou culpar o modelo, precisamos descobrir em qual etapa o comportamento se afastou do esperado.
Este capítulo da série sobre instruções para IA trata do acionamento: a passagem entre existir uma capacidade disponível e ela ser escolhida para uma solicitação. Vamos distinguir disponibilidade, seleção e execução, revisar descrições e construir casos de contraste. Usaremos o mesmo exemplo fictício de revisão da prévia de importação em Delphi, sem apresentar essas sugestões como um experimento de eficácia já realizado.
O problema também depende de contexto e limites de atuação. A apresentação de IA Além da Conversa aborda essa passagem da resposta isolada para sistemas com ferramentas, permissões e avaliação. A página oferece uma degustação para conhecer o conteúdo antes de decidir pela compra. Aqui, vamos aplicar essas preocupações a uma dúvida específica: por que o procedimento certo não entra no trabalho certo?
Três problemas que parecem o mesmo

Infográfico ilustrativo gerado por IA. Organização autoral do diagnóstico; documentos e gráficos desenhados não representam resultados medidos.
Uma skill é um pacote reutilizável de instruções e, quando necessário, recursos de apoio para uma tarefa. Acionar a skill significa selecioná-la para orientar o trabalho atual. Isso não é o mesmo que executar um script nem significa que todas as etapas de seu procedimento já foram cumpridas. Separar essas situações evita procurar um defeito na descrição quando o arquivo sequer estava disponível.
Disponibilidade é a primeira pergunta: o ambiente reconheceu a skill e a apresentou como uma capacidade utilizável? Seleção é a segunda: diante do pedido, ela foi escolhida? Execução é a terceira: depois de selecionada, suas instruções foram consultadas e o trabalho produziu a evidência esperada? Um relatório incompleto pode ser uma falha de execução mesmo quando a seleção foi adequada.
Imagine uma biblioteca cuja ficha não foi cadastrada. Reescrever o resumo do livro não resolve a ausência do cadastro. Se a ficha existe, mas descreve mal o assunto, o leitor pode não encontrar a obra. Se encontra e não consegue realizar a atividade descrita, a dificuldade está em outro lugar. A analogia ajuda a separar etapas, mas tem limite: um agente não é um bibliotecário humano e sua seleção depende do produto e da configuração.
Comece registrando o sintoma observado, não uma conclusão antecipada. “Não encontrei a skill no seletor” é diferente de “o agente não mencionou a skill” ou “o agente consultou o arquivo, mas não entregou as limitações”. A ausência de menção textual, sozinha, não comprova ausência de uso. Precisamos de sinais disponíveis no ambiente, como registro de leitura, seleção exibida ou execução de recurso associado.
Seleção explícita e implícita
A documentação oficial de skills distingue invocação explícita, quando o usuário indica a skill, e implícita, quando o produto pode escolhê-la pela correspondência entre tarefa e descrição. Também informa que o nome e a descrição são apresentados antes do carregamento das instruções completas. Esses comportamentos são documentados para ChatGPT e Codex, não uma regra universal para qualquer aplicativo.
Uma escolha explícita pode ser útil no diagnóstico porque reduz uma dúvida: você informou qual procedimento queria utilizar. Ela não prova que a seleção automática funciona. Também não concede permissão para ações externas ou para alterações que o pedido não autorizou. Selecionar uma skill de revisão não transforma o pedido em autorização para corrigir arquivos.
A seleção implícita depende de como a capacidade é apresentada. Uma descrição que diz “ajuda com tarefas” pouco esclarece a distinção entre revisar código, preparar um documento e consultar uma referência. A descrição deve comunicar o trabalho reconhecível antes dos detalhes internos. Se a informação decisiva estiver apenas no último parágrafo das instruções, ela não cumprirá esse papel inicial.
No artigo sobre instruções de projeto e skills, discutimos as funções desses recursos. Aqui, a consequência prática é evitar descrições que atraem todo pedido relacionado ao projeto. A skill de importação não precisa ser acionada porque alguém perguntou qual versão de Delphi está instalada; essa informação pertence ao contexto do ambiente.
Confira a disponibilidade antes de reescrever
Se a skill não aparece entre as capacidades reconhecidas, confira a organização e os locais de descoberta documentados para sua ferramenta. No Codex, a documentação consultada em 4 de outubro de 2026 descreve a descoberta de skills de repositório em pastas .agents/skills ao longo do caminho entre o diretório de trabalho e a raiz do repositório. Não transfira esse caminho automaticamente para outro produto.
Verifique também se existe um arquivo SKILL.md com metadados válidos, se a skill foi desabilitada e se você está no ambiente que pretendia testar. Uma configuração correta em outra máquina não demonstra disponibilidade na sessão atual. As orientações para atualização ou reinício devem seguir a documentação da ferramenta, não uma recomendação genérica de reinstalar tudo.
Não instale vários exemplares para tentar fazê-la aparecer. Isso cria uma nova dúvida sobre qual cópia foi consultada e qual descrição está ativa. Registre o caminho efetivo, o nome e a versão examinada. Se a ferramenta apresentar duas capacidades semelhantes, investigue a duplicação antes de atribuir o resultado à qualidade do texto.
Esses cuidados se relacionam à engenharia de contexto: informação útil precisa estar disponível no momento necessário. Um procedimento bem escrito, mas ausente da sessão, não orienta aquele trabalho. O diagnóstico começa pelo que o ambiente realmente apresentou, não pelo que deveria existir.
Uma descrição deve diferenciar tarefas
Retomemos a skill fictícia de revisão da prévia. Uma descrição inicial poderia ser: “Ajude em projetos Delphi com código, importação, testes e melhorias.” Ela reúne assuntos relacionados, mas não delimita uma tarefa. Quem pede uma melhoria na tela e quem solicita revisão de validação podem parecer candidatos igualmente adequados.
Uma alternativa é: “Revisar alterações na prévia de importação de produtos em Delphi, com foco em códigos vazios e evidências. Não usar para implementar correções ou executar importações reais.” Essa descrição identifica uma ação, um objeto e uma fronteira. É uma proposta autoral para o exercício, não uma descrição cuja eficácia tenha sido medida neste artigo.
Não transforme a descrição em uma lista de todas as frases possíveis. O objetivo não é construir uma senha verbal para o agente reconhecer. É apresentar a capacidade com precisão suficiente para que pedidos equivalentes sejam relacionados ao mesmo trabalho. Sinônimos naturais, como examinar uma alteração ou conferir a validação da prévia, ajudam a pensar o alcance sem inflar o texto.
Também não confunda um limite de uso com controle de acesso. A frase que exclui importações reais orienta a seleção e o procedimento; ela não bloqueia tecnicamente uma ferramenta conectada ao banco. Permissões e restrições do ambiente continuam necessárias. Um texto claro reduz ambiguidade, mas não deve ser vendido como barreira infalível.
Construa casos positivos, negativos e ambíguos
Caso positivo é um pedido para o qual você espera usar a skill. Caso negativo é um pedido parecido ou próximo, mas fora de seu trabalho. Caso ambíguo é uma solicitação cujo escopo ainda não está suficientemente definido. Essa classificação é uma expectativa de avaliação, não um resultado do agente. Ela precisa existir antes do ensaio para evitar justificar qualquer resposta depois.
Para a revisão da prévia, um positivo seria: “Confira a alteração que rejeita código composto por espaços; não modifique arquivos.” Outro poderia dizer: “Examine os testes da validação da prévia e registre o que foi executado.” As frases variam, mas mantêm o trabalho de revisão e o objeto relevante.
Um negativo seria: “Implemente a correção para códigos vazios.” Outro: “Execute a importação de produtos no banco.” O assunto é parecido, mas a ação muda. Se a biblioteca incluir uma skill de implementação, ela precisará de escopo próprio. A ausência dessa segunda skill não autoriza reutilizar silenciosamente a de revisão para outra finalidade.
“Melhore a importação” é ambíguo. Pode significar analisar, corrigir, acelerar ou redesenhar a rotina. A resposta adequada pode começar por esclarecer o objetivo. Não classifique toda pergunta de esclarecimento como falha de acionamento: em alguns casos, ela é justamente a evidência de que o limite foi reconhecido.
Observe o que aconteceu, sem fabricar certeza
Um registro de ensaio deve guardar o pedido, a descrição em uso, as condições do ambiente, os sinais de seleção e o resultado. Se não for possível observar diretamente a escolha, escreva “seleção não confirmada”, em vez de preencher a lacuna com uma suposição. Uma resposta com formato parecido ao relatório pode ter outras explicações.
Compare mudanças pequenas. Se você alterar nome, descrição, instruções, modelo e configurações ao mesmo tempo, ficará difícil atribuir a diferença observada a uma causa. Mantenha os casos de contraste e revise um elemento quando houver motivo. Não é preciso transformar a primeira experiência em uma pesquisa extensa, mas é importante preservar rastreabilidade.
Um arquivo de casos pode ajudar a repetir solicitações, porém não mede acionamento sozinho. Um script que procura palavras no pedido demonstra apenas a regra daquele script. Ele não reproduz necessariamente a seleção do agente. Neste artigo, os exemplos são ilustrativos: não realizamos um ensaio de acionamento nem apresentamos taxas de acerto.
Essa diferença também aparece no artigo sobre testes gerados por IA e os limites da evidência. Um conjunto de casos aprovado não valida tudo que ficou fora dele. Guarde os pedidos em que houve confusão e use essas situações para ampliar a avaliação, sem apagar resultados desfavoráveis.
Quando o problema está depois da seleção
Se o registro confirma que a skill foi selecionada e lida, pare de tratar toda falha como descrição ruim. Talvez os arquivos necessários estejam inacessíveis, a regra não tenha sido fornecida ou o procedimento solicite uma ferramenta indisponível. A solução pode ser melhorar as entradas ou delimitar a entrega, não tornar a descrição mais agressiva.
Há ainda pedidos que misturam revisão e implementação. Preserve a autorização efetiva e explique a transição necessária. A skill pode ajudar na parte de revisão quando pertinente, mas não deve redefinir o pedido para caber em seu procedimento. O método serve ao objetivo do usuário, não o contrário.
Não prometa que uma descrição elimina todo erro futuro. A finalidade desse diagnóstico é produzir decisões melhores: localizar a etapa problemática, reduzir sobreposição e verificar a correção com novos registros. Uma biblioteca pequena e discriminante costuma ser mais fácil de examinar do que uma coleção em que cada skill promete cuidar de todo o projeto.
Conclusão
Quando uma skill não aparece no trabalho certo, investigue disponibilidade, seleção e execução separadamente. Descrição clara é importante, mas não resolve um arquivo ausente, uma configuração desabilitada ou uma entrada que nunca foi fornecida. Casos positivos, negativos e ambíguos ajudam a tornar o limite visível e a avaliar mudanças sem depender de impressões.
O próximo passo é escolher pedidos reais, registrar expectativas e observar o que o ambiente permite comprovar. Para aprofundar a relação entre contexto, ferramentas, permissões e avaliação, conheça IA Além da Conversa. A skill deve entrar quando seu procedimento ajuda a cumprir a tarefa — e ficar de fora quando o assunto parecido esconde um trabalho diferente.
Referências
OPENAI. Build skills. ChatGPT Learn, [s. d.]. Disponível em: https://learn.chatgpt.com/docs/build-skills. Acesso em: 4 out. 2026.
SILVEIRA, Régys Borges da. AGENTS.md, instruções e skills: como orientar uma IA dentro do projeto. regys.com.br, 2026. Disponível em: https://regys.com.br/agents-md-instrucoes-e-skills-como-orientar-uma-ia-dentro-do-projeto/. Acesso em: 4 out. 2026. Rascunho agendado consultado no acervo editorial.
SILVEIRA, Régys Borges da. Como gerar testes com IA e descobrir quando eles não provam nada. regys.com.br, 2026. Disponível em: https://regys.com.br/como-gerar-testes-com-ia-e-descobrir-quando-eles-nao-provam-nada/. Acesso em: 4 out. 2026. Rascunho agendado consultado no acervo editorial.
SILVEIRA, Régys Borges da. Engenharia de contexto: por que um bom prompt não basta para programar com IA. regys.com.br, 2026. Disponível em: https://regys.com.br/engenharia-de-contexto-por-que-um-bom-prompt-nao-basta-para-programar-com-ia/. Acesso em: 4 out. 2026. Rascunho agendado consultado no acervo editorial.
SILVEIRA, Régys Borges da. IA Além da Conversa. Livros de Régys Borges da Silveira, [s. d.]. Disponível em: https://livros.regys.com.br/ia-alem-da-conversa. Acesso em: 4 out. 2026.



0 comentário(s)