{"_id":"@techwavedev/agi-agent-kit","_rev":"87-0ada416305eb8308644c9e88ba99f9e5","name":"@techwavedev/agi-agent-kit","dist-tags":{"latest":"1.7.11"},"versions":{"1.7.0":{"name":"@techwavedev/agi-agent-kit","version":"1.7.0","keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","_id":"@techwavedev/agi-agent-kit@1.7.0","maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"homepage":"https://github.com/techwavedev/agi-agent-kit#readme","bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"bin":{"agi-agent-kit":"bin/init.js"},"dist":{"shasum":"4c710ce5fc414fcdfab95b2f5e3b93551de0dc84","tarball":"https://registry.npmjs.org/@techwavedev/agi-agent-kit/-/agi-agent-kit-1.7.0.tgz","fileCount":4777,"integrity":"sha512-sFD2Ur1esxBzxo+jFvshABHts56C3JIUsjXzOKVxLmfHlsNa/rVcq1RCoz28OHMAOK3cnS5pcnnkdfV8u6/lFw==","signatures":[{"sig":"MEQCIAaE/ISi5NxItjaXnvRxzoWAfK8AeYhdf1WZAR0FsXldAiBUzWjiBaZL2DBhnfjeUzIaJVRzSas5OqTqAueIGLkWWw==","keyid":"SHA256:DhQ8wR5APBvFHLF/+Tc+AYvPOdTpcIDqOhxsBHRwC7U"}],"attestations":{"url":"https://registry.npmjs.org/-/npm/v1/attestations/@techwavedev%2fagi-agent-kit@1.7.0","provenance":{"predicateType":"https://slsa.dev/provenance/v1"}},"unpackedSize":65286448},"engines":{"node":">=16.0.0"},"gitHead":"f439dcf78c4c47c50f191190b37fb44b655609c2","scripts":{"prepublishOnly":"python3 .agent/scripts/release_gate.py"},"_npmUser":{"name":"techwavedev","email":"info@techwavedev.net"},"repository":{"url":"git+https://github.com/techwavedev/agi-agent-kit.git","type":"git"},"_npmVersion":"10.9.4","description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","directories":{},"_nodeVersion":"22.22.1","publishConfig":{"access":"public"},"_hasShrinkwrap":false,"_npmOperationalInternal":{"tmp":"tmp/agi-agent-kit_1.7.0_1774206486985_0.8657350033394069","host":"s3://npm-registry-packages-npm-production"}},"1.7.3":{"name":"@techwavedev/agi-agent-kit","version":"1.7.3","keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","_id":"@techwavedev/agi-agent-kit@1.7.3","maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"homepage":"https://github.com/techwavedev/agi-agent-kit#readme","bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"bin":{"agi-agent-kit":"bin/init.js"},"dist":{"shasum":"da715059754f9d7ebedc3dde73a4265ec708009d","tarball":"https://registry.npmjs.org/@techwavedev/agi-agent-kit/-/agi-agent-kit-1.7.3.tgz","fileCount":4776,"integrity":"sha512-SEI1rZmRuzHzqVPOLlNQC4GwMEtoL/ruKtsYcnXoLZHGq6JqmfbZVujv1Xx2+Mmg0aPyNSsSdMX8Q987u/ZC7w==","signatures":[{"sig":"MEQCICsv/6OvB+YFOPj269NDnovXo652WjCuzf160Z6D8BaLAiBzMJM4nJOfEn9oMI6KeqcDx/CpafA9euwGxp6ZB637Pw==","keyid":"SHA256:DhQ8wR5APBvFHLF/+Tc+AYvPOdTpcIDqOhxsBHRwC7U"}],"attestations":{"url":"https://registry.npmjs.org/-/npm/v1/attestations/@techwavedev%2fagi-agent-kit@1.7.3","provenance":{"predicateType":"https://slsa.dev/provenance/v1"}},"unpackedSize":65233775},"engines":{"node":">=16.0.0"},"gitHead":"f3494c22a014051bdfcc9d79833aec53754cca3e","scripts":{"prepublishOnly":"python3 .agent/scripts/release_gate.py"},"_npmUser":{"name":"GitHub Actions","email":"npm-oidc-no-reply@github.com","trustedPublisher":{"id":"github","oidcConfigId":"oidc:5af91fa1-bdb2-4b54-b3c2-8e29f22e95df"}},"repository":{"url":"git+https://github.com/techwavedev/agi-agent-kit.git","type":"git"},"_npmVersion":"11.11.0","description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","directories":{},"_nodeVersion":"24.14.1","publishConfig":{"access":"public"},"_hasShrinkwrap":false,"_npmOperationalInternal":{"tmp":"tmp/agi-agent-kit_1.7.3_1775333538833_0.6468306445011525","host":"s3://npm-registry-packages-npm-production"}},"1.7.5":{"name":"@techwavedev/agi-agent-kit","version":"1.7.5","keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","_id":"@techwavedev/agi-agent-kit@1.7.5","maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"homepage":"https://github.com/techwavedev/agi-agent-kit#readme","bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"bin":{"agi-agent-kit":"bin/init.js"},"dist":{"shasum":"f58ee1a032ee18c0765202f62cf73180ff0ee5ad","tarball":"https://registry.npmjs.org/@techwavedev/agi-agent-kit/-/agi-agent-kit-1.7.5.tgz","fileCount":4817,"integrity":"sha512-fqryovKkea2L4uwQEKMeBZh/0+U0PuKTVWvAbBcE3hrzlNCoj1Ct4Fb+b2daCcRnAo5idLaBU0WbfS2UzLI46A==","signatures":[{"sig":"MEUCIDFLHIGhn2iQil/OqxV3r7srKyT34RBMFGqnZ8D3gew4AiEAo0WUc4NT4XPoqdrhx8Ud9b/DWshvreZe8fxI0ZFeh/U=","keyid":"SHA256:DhQ8wR5APBvFHLF/+Tc+AYvPOdTpcIDqOhxsBHRwC7U"}],"attestations":{"url":"https://registry.npmjs.org/-/npm/v1/attestations/@techwavedev%2fagi-agent-kit@1.7.5","provenance":{"predicateType":"https://slsa.dev/provenance/v1"}},"unpackedSize":64928032},"engines":{"node":">=16.0.0"},"gitHead":"fdf570186e6c4812166f2798e509a2838c80a26c","scripts":{"prepublishOnly":"python3 .agent/scripts/release_gate.py"},"_npmUser":{"name":"GitHub Actions","email":"npm-oidc-no-reply@github.com","trustedPublisher":{"id":"github","oidcConfigId":"oidc:5af91fa1-bdb2-4b54-b3c2-8e29f22e95df"}},"repository":{"url":"git+https://github.com/techwavedev/agi-agent-kit.git","type":"git"},"_npmVersion":"11.11.0","description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","directories":{},"_nodeVersion":"24.14.1","publishConfig":{"access":"public"},"_hasShrinkwrap":false,"_npmOperationalInternal":{"tmp":"tmp/agi-agent-kit_1.7.5_1775583227006_0.23490127373564773","host":"s3://npm-registry-packages-npm-production"}},"1.7.9":{"name":"@techwavedev/agi-agent-kit","version":"1.7.9","keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","_id":"@techwavedev/agi-agent-kit@1.7.9","maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"homepage":"https://github.com/techwavedev/agi-agent-kit#readme","bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"bin":{"agi-agent-kit":"bin/init.js"},"dist":{"shasum":"f0e3247ebc67d72a52441cfbe0bcd3dbeeb483f5","tarball":"https://registry.npmjs.org/@techwavedev/agi-agent-kit/-/agi-agent-kit-1.7.9.tgz","fileCount":4857,"integrity":"sha512-fqlCyi8sQz79ifuWLVtmzE7q+kiBEMBlqxqP7zTa8wAd8wO9a1446i52veZ+5qJi4T2j2TURepOfFDpFvdSGVQ==","signatures":[{"sig":"MEQCIC85ZySFzpak2bU3qC64bWTn1+UJ71GM8qpqnbW9iDiCAiAcudqxTSUASleln34/MnkEvcx8gphyc5JJBYXz1MFNOw==","keyid":"SHA256:DhQ8wR5APBvFHLF/+Tc+AYvPOdTpcIDqOhxsBHRwC7U"}],"attestations":{"url":"https://registry.npmjs.org/-/npm/v1/attestations/@techwavedev%2fagi-agent-kit@1.7.9","provenance":{"predicateType":"https://slsa.dev/provenance/v1"}},"unpackedSize":65613369},"engines":{"node":">=16.0.0"},"gitHead":"2465e27a58b9c9c828e9da1f73bf262dcc4439d9","scripts":{"prepublishOnly":"python3 .agent/scripts/release_gate.py"},"_npmUser":{"name":"GitHub Actions","email":"npm-oidc-no-reply@github.com","trustedPublisher":{"id":"github","oidcConfigId":"oidc:5af91fa1-bdb2-4b54-b3c2-8e29f22e95df"}},"repository":{"url":"git+https://github.com/techwavedev/agi-agent-kit.git","type":"git"},"_npmVersion":"11.11.0","description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","directories":{},"_nodeVersion":"24.14.1","publishConfig":{"access":"public"},"_hasShrinkwrap":false,"_npmOperationalInternal":{"tmp":"tmp/agi-agent-kit_1.7.9_1776032060920_0.9067880550043039","host":"s3://npm-registry-packages-npm-production"}},"1.7.10":{"name":"@techwavedev/agi-agent-kit","version":"1.7.10","keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","_id":"@techwavedev/agi-agent-kit@1.7.10","maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"homepage":"https://github.com/techwavedev/agi-agent-kit#readme","bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"bin":{"agi-agent-kit":"bin/init.js"},"dist":{"shasum":"66fe2270217efecac8ea8a2ab0139321110bd499","tarball":"https://registry.npmjs.org/@techwavedev/agi-agent-kit/-/agi-agent-kit-1.7.10.tgz","fileCount":4860,"integrity":"sha512-Gh4uhycp/uAVKnqbJCkY73Q6i9uj8NJPqt+tNGqNBYkXCjN0111gBhLgj1YtXa8AyQ2Nk9OFlI0LmEDaX5Gurg==","signatures":[{"sig":"MEQCIDRpi4aDZW8nF6GONOGDzUfDw40LKBSzUxjFv/3Wh/raAiBrOU+13tIO3tOQKjOrIYPHmHMR7/PcbzmYYY51EjsGWg==","keyid":"SHA256:DhQ8wR5APBvFHLF/+Tc+AYvPOdTpcIDqOhxsBHRwC7U"}],"attestations":{"url":"https://registry.npmjs.org/-/npm/v1/attestations/@techwavedev%2fagi-agent-kit@1.7.10","provenance":{"predicateType":"https://slsa.dev/provenance/v1"}},"unpackedSize":65668092},"engines":{"node":">=16.0.0"},"gitHead":"b78003cd35f0d13d2b352152012aa0b0f24a86ca","scripts":{"prepublishOnly":"python3 .agent/scripts/release_gate.py"},"_npmUser":{"name":"GitHub Actions","email":"npm-oidc-no-reply@github.com","trustedPublisher":{"id":"github","oidcConfigId":"oidc:5af91fa1-bdb2-4b54-b3c2-8e29f22e95df"}},"repository":{"url":"git+https://github.com/techwavedev/agi-agent-kit.git","type":"git"},"_npmVersion":"11.11.0","description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","directories":{},"_nodeVersion":"24.14.1","publishConfig":{"access":"public"},"_hasShrinkwrap":false,"_npmOperationalInternal":{"tmp":"tmp/agi-agent-kit_1.7.10_1776195210878_0.8185322069576568","host":"s3://npm-registry-packages-npm-production"}},"1.7.11":{"name":"@techwavedev/agi-agent-kit","version":"1.7.11","description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","bin":{"agi-agent-kit":"bin/init.js"},"scripts":{"prepublishOnly":"python3 .agent/scripts/release_gate.py"},"keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","repository":{"type":"git","url":"git+https://github.com/techwavedev/agi-agent-kit.git"},"publishConfig":{"access":"public"},"engines":{"node":">=16.0.0"},"gitHead":"9d1d52521a177f7f1868d7611339753bd95b49a7","_id":"@techwavedev/agi-agent-kit@1.7.11","bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"homepage":"https://github.com/techwavedev/agi-agent-kit#readme","_nodeVersion":"24.14.1","_npmVersion":"11.11.0","dist":{"integrity":"sha512-eL70dkFiY0ENP8ITMam0rPW8/UyYcKVQSu3GhNtJBcAzJImbAICDaSyHwq16RX7+gTGfDDr92dhLloDd9HP3tA==","shasum":"a09cfb7ae8936f34adb8a208a4ddd6ad24d45c30","tarball":"https://registry.npmjs.org/@techwavedev/agi-agent-kit/-/agi-agent-kit-1.7.11.tgz","fileCount":4873,"unpackedSize":65734057,"attestations":{"url":"https://registry.npmjs.org/-/npm/v1/attestations/@techwavedev%2fagi-agent-kit@1.7.11","provenance":{"predicateType":"https://slsa.dev/provenance/v1"}},"signatures":[{"keyid":"SHA256:DhQ8wR5APBvFHLF/+Tc+AYvPOdTpcIDqOhxsBHRwC7U","sig":"MEUCIQDD7ohVGuzooy6uDo4IWZZ2tHZ33FSmCvTK51qT9n77/QIgXPvDDe9zkaGY9HuYvy6P0veHn32VMqBFroOPYCaGoH4="}]},"_npmUser":{"name":"GitHub Actions","email":"npm-oidc-no-reply@github.com","trustedPublisher":{"id":"github","oidcConfigId":"oidc:5af91fa1-bdb2-4b54-b3c2-8e29f22e95df"}},"directories":{},"maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"_npmOperationalInternal":{"host":"s3://npm-registry-packages-npm-production","tmp":"tmp/agi-agent-kit_1.7.11_1776201973865_0.5130738059693833"},"_hasShrinkwrap":false}},"time":{"created":"2026-01-23T18:02:03.213Z","modified":"2026-04-14T21:26:15.156Z","1.0.0":"2026-01-23T16:47:12.683Z","0.1.0":"2026-01-23T16:54:44.483Z","0.1.1":"2026-01-23T17:27:43.631Z","0.1.2":"2026-01-23T17:33:00.099Z","0.1.3":"2026-01-23T17:39:57.428Z","0.1.4":"2026-01-23T17:42:38.851Z","1.0.1":"2026-01-23T18:02:03.477Z","1.1.0":"2026-01-23T18:21:54.089Z","1.1.1":"2026-01-23T18:29:56.048Z","1.1.2":"2026-01-23T18:57:18.900Z","1.1.3":"2026-01-23T19:00:47.670Z","1.1.5":"2026-01-27T14:14:04.276Z","1.1.7":"2026-02-07T22:53:29.744Z","1.2.1":"2026-02-09T12:38:57.519Z","1.2.2":"2026-02-09T13:02:18.493Z","1.2.3":"2026-02-09T16:44:31.620Z","1.2.4":"2026-02-09T22:48:25.579Z","1.2.5":"2026-02-09T22:53:02.672Z","1.2.6":"2026-02-09T23:44:48.547Z","1.2.7":"2026-02-11T13:17:58.653Z","1.2.8":"2026-02-14T19:28:34.859Z","1.3.0":"2026-02-16T13:49:51.931Z","1.3.1":"2026-02-16T14:04:24.825Z","1.3.2":"2026-02-16T14:33:20.524Z","1.3.3":"2026-02-16T14:37:26.728Z","1.3.4":"2026-02-16T14:45:09.461Z","1.3.5":"2026-02-16T15:18:57.423Z","1.3.6":"2026-02-16T17:26:49.553Z","1.3.7":"2026-02-17T12:21:24.281Z","1.3.8":"2026-02-20T10:36:30.284Z","1.4.0":"2026-02-20T11:49:36.694Z","1.4.1":"2026-02-20T12:19:44.029Z","1.4.2":"2026-02-20T14:08:36.053Z","1.5.0":"2026-02-20T16:51:24.132Z","1.5.2":"2026-02-21T21:41:34.732Z","1.5.3":"2026-02-22T23:07:14.268Z","1.6.0":"2026-03-12T04:02:17.442Z","1.6.1":"2026-03-14T14:10:05.310Z","1.6.3":"2026-03-14T15:31:12.727Z","1.6.4":"2026-03-14T16:32:50.487Z","1.6.5":"2026-03-19T13:41:53.813Z","1.7.0":"2026-03-22T19:08:08.020Z","1.7.3":"2026-04-04T20:12:19.750Z","1.7.5":"2026-04-07T17:33:47.962Z","1.7.8":"2026-04-12T17:33:10.670Z","1.7.9":"2026-04-12T22:14:21.899Z","1.7.10":"2026-04-14T19:33:32.391Z","1.7.11":"2026-04-14T21:26:14.789Z"},"bugs":{"url":"https://github.com/techwavedev/agi-agent-kit/issues"},"author":{"name":"Elton Machado@techwave"},"license":"Apache-2.0","homepage":"https://github.com/techwavedev/agi-agent-kit#readme","keywords":["ai","agent","skills","claude","gemini","kiro","opencode","llm","semantic-cache","qdrant","platform-adaptive"],"repository":{"type":"git","url":"git+https://github.com/techwavedev/agi-agent-kit.git"},"description":"Enterprise-Grade Agentic Framework - Modular skill-based AI assistant toolkit with deterministic execution, semantic memory, and platform-adaptive orchestration.","maintainers":[{"name":"techwavedev","email":"info@techwavedev.net"}],"readme":"# 🚀 AGI Agent Kit\n\n🌐 Português (BR) | _[English](./README.md)_\n\n> **Pare de alucinar. Comece a executar.**\n\n[![npm version](https://img.shields.io/npm/v/@techwavedev/agi-agent-kit.svg)](https://www.npmjs.com/package/@techwavedev/agi-agent-kit)\n[![npm downloads](https://img.shields.io/npm/dw/@techwavedev/agi-agent-kit.svg)](https://www.npmjs.com/package/@techwavedev/agi-agent-kit)\n[![License: Apache-2.0](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://opensource.org/licenses/Apache-2.0)\n[![Claude Code](https://img.shields.io/badge/Claude%20Code-Anthropic-purple)](https://claude.ai)\n[![Gemini CLI](https://img.shields.io/badge/Gemini%20CLI-Google-blue)](https://github.com/google-gemini/gemini-cli)\n[![Codex CLI](https://img.shields.io/badge/Codex%20CLI-OpenAI-green)](https://github.com/openai/codex)\n[![Cursor](https://img.shields.io/badge/Cursor-AI%20IDE-orange)](https://cursor.sh)\n[![GitHub Copilot](https://img.shields.io/badge/GitHub%20Copilot-VSCode-lightblue)](https://github.com/features/copilot)\n[![OpenCode](https://img.shields.io/badge/OpenCode-CLI-gray)](https://github.com/opencode-ai/opencode)\n[![Antigravity IDE](https://img.shields.io/badge/Antigravity-DeepMind-red)](https://github.com/techwavedev/agi-agent-kit)\n[![AdaL CLI](https://img.shields.io/badge/AdaL%20CLI-SylphAI-pink)](https://sylph.ai/)\n[![OpenClaw](https://img.shields.io/badge/OpenClaw-CLI-teal)](https://github.com/openclaw/openclaw)\n[![Kiro](https://img.shields.io/badge/Kiro-AWS-yellow)](https://kiro.dev)\n[![MCP Compatible](https://img.shields.io/badge/MCP-Compatible-blueviolet)](https://modelcontextprotocol.io)\n[![Buy me a coffee](https://img.shields.io/badge/Buy%20me%20a-coffee-d13610?logo=buymeacoffee&logoColor=white)](https://www.buymeacoffee.com/eltonmachado)\n\n**AGI Agent Kit** é o scaffolding de nível empresarial que transforma qualquer assistente de código com IA em uma **máquina de produção determinística**. Enquanto LLMs são probabilísticos (90% de precisão por etapa = 59% ao longo de 5 etapas), este framework os força através de uma **Arquitetura de 3 Camadas** — Intenção → Orquestração → Execução — onde a lógica de negócio vive em scripts testados, não em código alucinado.\n\n## Por que isso existe\n\nA maioria das configurações de IA para código te dá um prompt e torce pelo melhor. O AGI Agent Kit te oferece:\n\n- 🧠 **Memória Híbrida** — Vetores Qdrant + palavras-chave BM25: similaridade semântica para conceitos, correspondência exata para códigos de erro e IDs (90-100% de economia de tokens)\n- 🎯 **19 Agentes Especialistas** — Experts delimitados por domínio (Frontend, Backend, Segurança, Mobile, Game Dev...) com propriedade de arquivos forçada\n- ⚡ **1.191 Skills Curadas** — 4 essenciais + 89 profissionais + 1.098 comunitárias em 16 categorias de domínio\n- 🔒 **Portões de Verificação** — Nenhuma tarefa é concluída sem evidência. Enforcement de TDD. Revisão de código em duas etapas.\n- 🌐 **10 Plataformas, Uma Configuração** — Escreva uma vez, execute no Claude Code, Gemini CLI, Codex CLI, Cursor, Copilot, OpenCode, AdaL CLI, Antigravity IDE, OpenClaw, Kiro\n- 🔌 **Compatível com MCP** — Expõe memória + coordenação entre agentes como ferramentas MCP para Claude Desktop e qualquer cliente de interface de chat\n\n```bash\nnpx @techwavedev/agi-agent-kit init\n```\n\nSe este projeto te ajuda, considere [apoiá-lo aqui](https://www.buymeacoffee.com/eltonmachado) ou simplesmente ⭐ o repositório.\n\n---\n\n## 🚀 Início Rápido\n\nMonte um novo workspace de agente em segundos:\n\n```bash\nnpx @techwavedev/agi-agent-kit init\n\n# Ou instale globalmente em ~/.agent para compartilhar skills entre projetos\nnpx @techwavedev/agi-agent-kit init --global\n```\n\nVocê será guiado por um assistente interativo:\n\n1. **Verificação de instalação existente** — detecta uma instalação prévia e oferece Atualizar / Reinstalar / Cancelar\n2. **Escopo da instalação** — local ao projeto (diretório atual) ou global (`~/.agent` compartilhado entre projetos)\n3. **Backup inteligente** — verifica os arquivos em risco e cria um backup com timestamp antes de alterar qualquer coisa\n4. **Seleção de pacote** — escolha as skills para instalar:\n   - **core** — 4 skills essenciais (webcrawler, pdf-reader, qdrant-memory, documentation)\n   - **medium** — Core + 89 skills profissionais em 16 categorias + estrutura `.agent/`\n   - **full** — Tudo: Medium + 1.098 skills comunitárias (1.191 no total)\n   - **custom** — Core + você escolhe domínios específicos (AI Agents, DevOps, Segurança, Frontend, etc.)\n5. **Configuração de memória** — detecta Ollama/Docker/Qdrant; se ausente, pergunta se deseja instalar localmente ou usar uma URL personalizada (suporta Qdrant Cloud, servidores remotos)\n6. **Agent Teams** — opt-in para execução multi-agente paralela (grava `.claude/settings.json`)\n7. **Resumo** — mostra exatamente o que foi configurado e o que precisa de ação manual\n\nApós a instalação, o assistente mostra seus próximos passos, incluindo:\n\n```bash\n# Inicializar o sistema de memória (verifica Qdrant + Ollama, corrige automaticamente)\npython3 execution/session_boot.py --auto-fix\n\n# Executar o assistente de configuração de plataforma (auto-configura sua plataforma de IA)\npython3 skills/plugin-discovery/scripts/platform_setup.py --project-dir .\n```\n\n---\n\n## ✨ Funcionalidades Principais\n\n| Funcionalidade                    | Descrição                                                                                     |\n| --------------------------------- | --------------------------------------------------------------------------------------------- |\n| **Execução Determinística**       | Separa lógica de negócio (scripts Python) do raciocínio da IA (Diretivas)                     |\n| **Sistema Modular de Skills**     | 1.191 skills plug-and-play em 3 níveis, organizadas em 16 categorias de domínio                 |\n| **Execução de Plano Estruturado** | Execução em lote ou orientada por subagentes com revisão em duas etapas (spec + qualidade)    |\n| **Enforcement de TDD**            | Ciclo RED-GREEN-REFACTOR inquebrantável — sem código de produção sem teste falhando           |\n| **Portões de Verificação**        | Evidência antes de afirmações — sem conclusão sem saída de verificação atualizada             |\n| **Adaptativo à Plataforma**       | Auto-detecta Claude Code, Gemini CLI, Codex CLI, Cursor, Copilot, OpenCode, AdaL, Antigravity, Kiro |\n| **Compatível com MCP**            | Memória + coordenação entre agentes expostas como ferramentas MCP (`execution/mcp_server.py`) para Claude Desktop e qualquer cliente MCP |\n| **Orquestração Multi-Agente**     | Agent Teams, subagentes, Powers, ou personas sequenciais — adapta-se à plataforma             |\n| **Memória Híbrida**               | Vetores Qdrant + palavras-chave BM25 com mesclagem de pontuação ponderada (95% de economia)   |\n| **Workflows Auto-Reparáveis**     | Agentes leem logs de erro, corrigem scripts e atualizam diretivas automaticamente             |\n| **Configuração em Um Comando**    | Detecção de plataforma + varredura de stack + auto-configuração em um único comando           |\n\n---\n\n## 🆚 Como Isso Se Compara ao Superpowers\n\nO framework AGI adota todos os melhores padrões do [obra/superpowers](https://github.com/obra/superpowers) e os estende com capacidades que o Superpowers não possui:\n\n| Capacidade                       | obra/superpowers |             Framework AGI             |\n| -------------------------------- | :--------------: | :-----------------------------------: |\n| Enforcement de TDD               |        ✅        |              ✅ Adaptado              |\n| Execução de Plano + Revisão      |        ✅        | ✅ Adaptado + adaptativo à plataforma |\n| Debugging Sistemático            |        ✅        |    ✅ Adaptado + agente `debugger`    |\n| Portões de Verificação           |        ✅        |   ✅ Adaptado + 12 scripts de audit   |\n| Revisão de Código em Duas Etapas |        ✅        |      ✅ Adaptado no orquestrador      |\n| Orquestração Multi-Plataforma    | ❌ Apenas Claude |          ✅ 10 plataformas            |\n| Memória Semântica (Qdrant)       |        ❌        |     ✅ 90-100% economia de tokens     |\n| 19 Agentes Especialistas         |        ❌        |       ✅ Fronteiras de domínio        |\n| Reforço de Fronteiras de Agente  |        ❌        |  ✅ Propriedade por tipo de arquivo   |\n| Geração Dinâmica de Perguntas    |        ❌        |      ✅ Trade-offs + prioridades      |\n| Protocolo Memory-First           |        ❌        |           ✅ Auto cache-hit           |\n| Criador de Skills + Catálogo     |        ❌        |       ✅ 1.191 skills combináveis       |\n| Assistente de Configuração       |        ❌        |     ✅ Configuração em um comando     |\n| Symlinks Multi-Plataforma        | ❌ Apenas Claude |          ✅ 10 plataformas            |\n| Servidor MCP                     |        ❌        |    ✅ Memória + coordenação           |\n\n---\n\n## 🧪 Benchmark Real: Subagentes vs Agent Teams\n\nO framework suporta dois modos de orquestração. Aqui estão **resultados reais de teste** de `execution/benchmark_modes.py` rodando em infraestrutura local (Qdrant + Ollama `nomic-embed-text`, zero chamadas de API na nuvem):\n\n```text\nMODO A: SUBAGENTES — Independentes, fire-and-forget\n  📤 Explorar Padrões de Auth   → ✅ armazenado em cache + memória (127ms)\n  📤 Performance de Query       → ❌ FALHOU (timeout — tolerante a falhas)\n  📤 Varrer CVEs                → ✅ armazenado em cache + memória (14ms)\n  Resumo: 2/3 concluídos, 1 falhou, 0 referências cruzadas\n\nMODO B: AGENT TEAMS — Contexto compartilhado, coordenado\n  👤 Especialista Backend       → ✅ armazenado em memória compartilhada (14ms)\n  👤 Especialista Banco de Dados → ✅ armazenado em memória compartilhada (13ms)\n  👤 Especialista Frontend      → 🔗 Leu primeiro a saída do Backend + Banco de Dados\n     ✅ Obteve contexto de team-backend: \"Contrato de API: POST /api/messages...\"\n     ✅ Obteve contexto de team-database: \"Schema: users(id UUID PK, name...\"\n     → ✅ armazenado em memória compartilhada (14ms)\n  Resumo: 3/3 concluídos, 0 falhas, 2 referências cruzadas\n```\n\n**2ª execução (cache aquecido):** Todas as consultas atingem o cache com **score 1.000**, reduzindo o tempo total de 314ms → 76ms (Subagentes) e 292ms → 130ms (Agent Teams).\n\n| Métrica                | Subagentes                           | Agent Teams                              |\n| ---------------------- | ------------------------------------ | ---------------------------------------- |\n| Modelo de execução     | Fire-and-forget (isolado)            | Contexto compartilhado (coordenado)      |\n| Tarefas concluídas     | 2/3 (tolerante a falhas)             | 3/3                                      |\n| Referências cruzadas   | 0 (não suportado)                    | 2 (pares leem o trabalho uns dos outros) |\n| Compartilhamento       | ❌ Cada agente isolado               | ✅ Peer-to-peer via Qdrant               |\n| Revisão em duas etapas | ❌                                   | ✅ Spec + Qualidade                      |\n| Cache hits (2ª exec)   | 5/5                                  | 5/5                                      |\n| Provedor de embedding  | Ollama local (nomic-embed-text 137M) | Ollama local (nomic-embed-text 137M)     |\n\n**Experimente você mesmo:**\n\n```bash\n# 1. Iniciar infraestrutura\ndocker run -d -p 6333:6333 -v qdrant_storage:/qdrant/storage qdrant/qdrant\nollama serve & ollama pull nomic-embed-text\n\n# 2. Inicializar sistema de memória\npython3 execution/session_boot.py --auto-fix\n# ✅ Sistema de memória pronto — 5 memórias, 1 resposta em cache\n\n# 3. Rodar o benchmark completo (ambos os modos)\npython3 execution/benchmark_modes.py --verbose\n\n# 4. Ou testar operações individuais:\n\n# Armazenar uma decisão (embedding gerado localmente via Ollama)\npython3 execution/memory_manager.py store \\\n  --content \"Escolhemos PostgreSQL para dados relacionais\" \\\n  --type decision --project myapp\n# → {\"status\": \"stored\", \"point_id\": \"...\", \"token_count\": 5}\n\n# Auto-consulta: verifica cache primeiro, depois recupera contexto\npython3 execution/memory_manager.py auto \\\n  --query \"qual banco de dados escolhemos?\"\n# → {\"source\": \"memory\", \"cache_hit\": false, \"context_chunks\": [...]}\n\n# Armazenar uma resposta de LLM em cache para reutilização futura\npython3 execution/memory_manager.py cache-store \\\n  --query \"como configurar auth?\" \\\n  --response \"Use JWT com expiração de 24h, refresh tokens em cookies httpOnly\"\n\n# Re-consulta → cache hit instantâneo (score 1.000, zero recomputação)\npython3 execution/memory_manager.py auto \\\n  --query \"como configurar auth?\"\n# → {\"source\": \"cache\", \"cache_hit\": true, \"tokens_saved_estimate\": 12}\n```\n\n## 🌐 Suporte a Plataformas\n\nO framework detecta automaticamente seu ambiente de codificação com IA e ativa as melhores funcionalidades disponíveis.\n\nSkills são instaladas no diretório canônico `skills/` e vinculadas via symlink ao caminho esperado de cada plataforma:\n\n| Plataforma          | Caminho das Skills | Arquivo de Instrução | Estratégia de Orquestração           |\n| ------------------- | ------------------ | -------------------- | ------------------------------------ |\n| **Claude Code**     | `.claude/skills/`  | `CLAUDE.md`          | Agent Teams (paralelo) ou Subagentes |\n| **Gemini CLI**      | `.gemini/skills/`  | `GEMINI.md`          | Personas sequenciais via `@agent`    |\n| **Codex CLI**       | `.codex/skills/`   | `AGENTS.md`          | Sequencial via prompts               |\n| **Antigravity IDE** | `.agent/skills/`   | `AGENTS.md`          | Orquestração agêntica completa       |\n| **Cursor**          | `.cursor/skills/`  | `AGENTS.md`          | Baseado em chat via `@skill`         |\n| **GitHub Copilot**  | N/A (colar)        | `COPILOT.md`         | Colar manualmente no contexto        |\n| **OpenCode**        | `.agent/skills/`   | `OPENCODE.md`        | Personas sequenciais via `@agent`    |\n| **AdaL CLI**        | `.adal/skills/`    | `AGENTS.md`          | Carregamento automático sob demanda  |\n| **Kiro (AWS)**      | `.kiro/skills/`    | `.kiro/steering/agents.md` | Orquestração agêntica completa |\n\nExecute `/setup` para auto-detectar e configurar sua plataforma, ou use o script de configuração diretamente:\n\n```bash\n# Interativo (uma pergunta Y/n)\npython3 skills/plugin-discovery/scripts/platform_setup.py --project-dir .\n\n# Auto-aplicar tudo\npython3 skills/plugin-discovery/scripts/platform_setup.py --project-dir . --auto\n\n# Pré-visualizar sem alterações\npython3 skills/plugin-discovery/scripts/platform_setup.py --project-dir . --dry-run\n```\n\n---\n\n## 📦 O Que Você Recebe\n\n```text\nseu-projeto/\n├── AGENTS.md              # Arquivo de instrução principal\n├── GEMINI.md → AGENTS.md  # Symlinks de plataforma\n├── CLAUDE.md → AGENTS.md\n├── OPENCODE.md → AGENTS.md\n├── COPILOT.md → AGENTS.md\n├── skills/                # Até 1.191 skills (depende do pacote)\n│   ├── webcrawler/        # Coleta de documentação\n│   ├── qdrant-memory/     # Cache semântico & memória\n│   └── ...                # Mais 877 skills no pacote completo\n├── .claude/skills → skills/   # Symlinks específicos da plataforma\n├── .gemini/skills → skills/\n├── .codex/skills → skills/\n├── .cursor/skills → skills/\n├── .adal/skills → skills/\n├── directives/            # SOPs em Markdown\n├── execution/             # Scripts Python determinísticos\n│   ├── session_boot.py    # Inicialização de sessão (verificação Qdrant + Ollama)\n│   └── memory_manager.py  # Operações de armazenar/recuperar/cache\n├── skill-creator/         # Ferramentas para criar novas skills\n└── .agent/                # (medium/full) Agentes, workflows, regras\n    └── workflows/         # /setup, /deploy, /test, /debug, etc.\n```\n\n---\n\n## 📖 Arquitetura\n\nO sistema opera em três camadas:\n\n```text\n┌─────────────────────────────────────────────────────────┐\n│  Camada 1: DIRETIVAS (Intenção)                         │\n│  └─ SOPs escritos em Markdown (directives/)             │\n├─────────────────────────────────────────────────────────┤\n│  Camada 2: ORQUESTRAÇÃO (Agente)                        │\n│  └─ LLM lê a diretiva, decide qual ferramenta chamar    │\n│  └─ Adaptativo à plataforma: Teams, Subagentes, Personas│\n├─────────────────────────────────────────────────────────┤\n│  Camada 3: EXECUÇÃO (Código)                            │\n│  └─ Scripts Python puros (execution/) fazem o trabalho  │\n└─────────────────────────────────────────────────────────┘\n```\n\n**Por quê?** LLMs são probabilísticos. 90% de precisão por etapa = 59% de sucesso ao longo de 5 etapas. Ao transferir a complexidade para scripts determinísticos, alcançamos execução confiável.\n\n---\n\n## 🧠 Memória Híbrida (BM25 + Vetorial)\n\nRecuperação com motor duplo: similaridade vetorial Qdrant para conceitos semânticos + BM25 SQLite FTS5 para correspondência exata de palavras-chave. Mescla resultados automaticamente com pesos configuráveis.\n\n| Cenário                   | Sem Memória  | Com Memória | Economia |\n| ------------------------- | ------------ | ----------- | -------- |\n| Pergunta repetida         | ~2000 tokens | 0 tokens    | **100%** |\n| Arquitetura similar       | ~5000 tokens | ~500 tokens | **90%**  |\n| Resolução de erro passado | ~3000 tokens | ~300 tokens | **90%**  |\n| Busca exata de ID/código  | ~3000 tokens | ~200 tokens | **93%**  |\n\n**Configuração** (requer [Qdrant](https://qdrant.tech/) + [Ollama](https://ollama.com/)):\n\n```bash\n# Iniciar Qdrant\ndocker run -d -p 6333:6333 -v qdrant_storage:/qdrant/storage qdrant/qdrant\n\n# Iniciar Ollama + baixar modelo de embedding\nollama serve &\nollama pull nomic-embed-text\n\n# Inicializar sistema de memória (cria coleções automaticamente)\npython3 execution/session_boot.py --auto-fix\n```\n\nOs agentes executam automaticamente `session_boot.py` no início da sessão (primeira instrução no `AGENTS.md`). Operações de memória:\n\n```bash\n# Auto-consulta (verificar cache + recuperar contexto)\npython3 execution/memory_manager.py auto --query \"resumo da sua tarefa\"\n\n# Armazenar uma decisão (auto-indexado no BM25)\npython3 execution/memory_manager.py store --content \"o que foi decidido\" --type decision\n\n# Verificação de saúde (inclui status do índice BM25)\npython3 execution/memory_manager.py health\n\n# Reconstruir índice BM25 a partir dos dados existentes no Qdrant\npython3 execution/memory_manager.py bm25-sync\n```\n\n**Modos de busca híbrida** (via `hybrid_search.py`):\n\n```bash\n# Híbrido verdadeiro (padrão): vetorial + BM25 mesclados\npython3 skills/qdrant-memory/scripts/hybrid_search.py --query \"erro ImagePullBackOff\" --mode hybrid\n\n# Apenas vetorial (semântico puro)\npython3 skills/qdrant-memory/scripts/hybrid_search.py --query \"arquitetura de banco de dados\" --mode vector\n\n# Apenas palavras-chave (correspondência exata BM25)\npython3 skills/qdrant-memory/scripts/hybrid_search.py --query \"sg-018f20ea63e82eeb5\" --mode keyword\n```\n\n---\n\n## ⚡ Pré-requisitos\n\nO comando `npx init` cria automaticamente um `.venv` e instala todas as dependências. Basta ativá-lo:\n\n```bash\nsource .venv/bin/activate   # macOS/Linux\n# .venv\\Scripts\\activate    # Windows\n```\n\nSe precisar reinstalar ou atualizar as dependências:\n\n```bash\n.venv/bin/pip install -r requirements.txt\n```\n\n---\n\n## 🔧 Comandos\n\n### Inicializar um novo projeto\n\n```bash\nnpx @techwavedev/agi-agent-kit init --pack=full\n# Para instalar globalmente em vez de por projeto:\nnpx @techwavedev/agi-agent-kit init --pack=full --global\n```\n\n### Auto-detectar plataforma e configurar ambiente\n\n```bash\npython3 skills/plugin-discovery/scripts/platform_setup.py --project-dir .\n```\n\n### Atualizar para a versão mais recente\n\n```bash\nnpx @techwavedev/agi-agent-kit@latest init --pack=full\n# ou use a skill integrada:\npython3 skills/self-update/scripts/update_kit.py\n```\n\n### Inicializar sistema de memória\n\n```bash\npython3 execution/session_boot.py --auto-fix\n```\n\n### Verificação de saúde do sistema\n\n```bash\npython3 execution/system_checkup.py --verbose\n```\n\n### Criar uma nova skill\n\n```bash\npython3 skill-creator/scripts/init_skill.py my-skill --path skills/\n```\n\n### Atualizar catálogo de skills\n\n```bash\npython3 skill-creator/scripts/update_catalog.py --skills-dir skills/\n```\n\n---\n\n## 🎯 Referência de Ativação\n\nUse estas palavras-chave, comandos e frases para acionar funcionalidades específicas:\n\n### Comandos Slash (Workflows)\n\n| Comando         | O Que Faz                                             |\n| --------------- | ----------------------------------------------------- |\n| `/setup`        | Auto-detecta a plataforma e configura o ambiente      |\n| `/setup-memory` | Inicializa o sistema de memória Qdrant + Ollama       |\n| `/create`       | Inicia diálogo interativo de criação de app           |\n| `/plan`         | Cria um plano de projeto estruturado (sem código)     |\n| `/enhance`      | Adiciona ou atualiza funcionalidades em app existente |\n| `/debug`        | Ativa modo de debugging sistemático                   |\n| `/test`         | Gera e executa testes                                 |\n| `/deploy`       | Verificações pré-deploy + implantação                 |\n| `/orchestrate`  | Coordenação multi-agente para tarefas complexas       |\n| `/brainstorm`   | Brainstorming estruturado com múltiplas opções        |\n| `/preview`      | Iniciar/parar servidor de desenvolvimento local       |\n| `/status`       | Mostrar progresso do projeto e painel de status       |\n| `/update`       | Atualizar AGI Agent Kit para a versão mais recente    |\n| `/checkup`      | Verificar agentes, workflows, skills e arquivos core  |\n\n### Menções de Agente (`@agent`)\n\n| Menção                    | Especialista                  | Quando Usar                                  |\n| ------------------------- | ----------------------------- | -------------------------------------------- |\n| `@orchestrator`           | Coordenador multi-agente      | Tarefas complexas multi-domínio              |\n| `@project-planner`        | Especialista em planejamento  | Roadmaps, divisão de tarefas, fases          |\n| `@frontend-specialist`    | Arquiteto de UI/UX            | Interfaces web, React, Next.js               |\n| `@backend-specialist`     | Engenheiro de API/BD          | Server-side, bancos de dados, APIs           |\n| `@mobile-developer`       | Especialista mobile           | iOS, Android, React Native, Flutter          |\n| `@security-auditor`       | Especialista em segurança     | Varredura de vulnerabilidades, auditorias    |\n| `@debugger`               | Especialista em debug         | Investigação de bugs complexos               |\n| `@game-developer`         | Especialista em jogos         | Jogos 2D/3D, multiplayer, VR/AR              |\n| `@devops-engineer`        | Especialista DevOps           | CI/CD, containers, infraestrutura cloud      |\n| `@database-architect`     | Especialista em BD            | Design de schema, migrações, otimização      |\n| `@documentation-writer`   | Especialista em docs          | Documentação técnica, APIs, READMEs          |\n| `@test-engineer`          | Especialista em testes        | Estratégia de teste, automação, cobertura    |\n| `@qa-automation-engineer` | Especialista em QA            | Testes E2E, regressão, quality gates         |\n| `@performance-optimizer`  | Especialista em performance   | Profiling, gargalos, otimização              |\n| `@seo-specialist`         | Especialista em SEO           | Otimização de busca, meta tags, rankings     |\n| `@penetration-tester`     | Especialista em pen testing   | Exercícios red team, verificação de exploits |\n| `@product-manager`        | Especialista em produto       | Requisitos, user stories, priorização        |\n| `@code-archaeologist`     | Especialista em código legado | Entendimento de codebases antigos, migrações |\n| `@explorer-agent`         | Especialista em descoberta    | Exploração de codebase, mapeamento de deps   |\n\n### Palavras-Chave de Ativação de Skills (Linguagem Natural)\n\n| Categoria             | Palavras / Frases de Ativação                                          | Skill Ativada                         |\n| --------------------- | ---------------------------------------------------------------------- | ------------------------------------- |\n| **Memória**           | \"don't use cache\", \"no cache\", \"skip memory\", \"fresh\"                  | Memory opt-out                        |\n| **Pesquisa**          | \"research my docs\", \"check my notebooks\", \"deep search\", \"@notebooklm\" | `notebooklm-rag`                      |\n| **Documentação**      | \"update docs\", \"regenerate catalog\", \"sync documentation\"              | `documentation`                       |\n| **Qualidade**         | \"lint\", \"format\", \"check\", \"validate\", \"static analysis\"               | `lint-and-validate`                   |\n| **Testes**            | \"write tests\", \"run tests\", \"TDD\", \"test coverage\"                     | `testing-patterns` / `tdd-workflow`   |\n| **TDD**               | \"test first\", \"red green refactor\", \"failing test\"                     | `test-driven-development`             |\n| **Execução de Plano** | \"execute plan\", \"run the plan\", \"batch execution\"                      | `executing-plans`                     |\n| **Verificação**       | \"verify\", \"prove it works\", \"evidence\", \"show me the output\"           | `verification-before-completion`      |\n| **Debugging**         | \"debug\", \"root cause\", \"investigate\", \"why is this failing\"            | `systematic-debugging`                |\n| **Arquitetura**       | \"design system\", \"architecture decision\", \"ADR\", \"trade-off\"           | `architecture`                        |\n| **Segurança**         | \"security scan\", \"vulnerability\", \"audit\", \"OWASP\"                     | `red-team-tactics`                    |\n| **Performance**       | \"lighthouse\", \"bundle size\", \"core web vitals\", \"profiling\"            | `performance-profiling`               |\n| **Design**            | \"design UI\", \"color scheme\", \"typography\", \"layout\"                    | `frontend-design`                     |\n| **Deploy**            | \"deploy\", \"rollback\", \"release\", \"CI/CD\"                               | `deployment-procedures`               |\n| **API**               | \"REST API\", \"GraphQL\", \"tRPC\", \"API design\"                            | `api-patterns`                        |\n| **Banco de Dados**    | \"schema design\", \"migration\", \"query optimization\"                     | `database-design`                     |\n| **Planejamento**      | \"plan this\", \"break down\", \"task list\", \"requirements\"                 | `plan-writing`                        |\n| **Brainstorming**     | \"explore options\", \"what are the approaches\", \"pros and cons\"          | `brainstorming`                       |\n| **Code Review**       | \"review this\", \"code quality\", \"best practices\"                        | `code-review-checklist`               |\n| **i18n**              | \"translate\", \"localization\", \"RTL\", \"locale\"                           | `i18n-localization`                   |\n| **AWS**               | \"terraform\", \"EKS\", \"Lambda\", \"S3\", \"CloudFront\"                       | `aws-skills` / `terraform-skill`      |\n| **Infraestrutura**    | \"service mesh\", \"Kubernetes\", \"Helm\"                                   | `docker-expert` / `server-management` |\n\n### Comandos do Sistema de Memória\n\n| O Que Você Quer                   | Comando / Frase                                                                  |\n| --------------------------------- | -------------------------------------------------------------------------------- |\n| **Inicializar memória**           | `python3 execution/session_boot.py --auto-fix`                                   |\n| **Verificar antes de uma tarefa** | `python3 execution/memory_manager.py auto --query \"...\"`                         |\n| **Armazenar uma decisão**         | `python3 execution/memory_manager.py store --content \"...\" --type decision`      |\n| **Armazenar resposta em cache**   | `python3 execution/memory_manager.py cache-store --query \"...\" --response \"...\"` |\n| **Verificação de saúde**          | `python3 execution/memory_manager.py health`                                     |\n| **Pular cache para esta tarefa**  | Diga \"fresh\", \"no cache\" ou \"skip memory\" no seu prompt                          |\n\n---\n\n## 📚 Documentação\n\n- **[AGENTS.md](./AGENTS.md)** — Arquitetura completa e princípios operacionais\n- **[skills/SKILLS_CATALOG.md](./templates/skills/SKILLS_CATALOG.md)** — Catálogo de skills\n- **[CHANGELOG.md](./CHANGELOG.md)** — Histórico de versões\n- **[THIRD-PARTY-LICENSES.md](./THIRD-PARTY-LICENSES.md)** — Atribuições de terceiros\n\n---\n\n## 🤝 Skills da Comunidade & Créditos\n\nO nível **Full** inclui 774 skills comunitárias adaptadas do projeto [Antigravity Awesome Skills](https://github.com/sickn33/antigravity-awesome-skills) (v5.4.0) por [@sickn33](https://github.com/sickn33), distribuídas sob a Licença MIT.\n\nEsta coleção agrega skills de mais de 50 contribuidores e organizações open-source, incluindo Anthropic, Microsoft, Vercel Labs, Supabase, Trail of Bits, Expo, Sentry, Neon, fal.ai e muitos mais. Para o livro completo de atribuições, consulte [SOURCES.md](https://github.com/sickn33/antigravity-awesome-skills/blob/main/docs/SOURCES.md).\n\nCada skill comunitária foi adaptada para o framework AGI com:\n\n- **Integração com Memória Qdrant** — Cache semântico e recuperação de contexto\n- **Colaboração em Agent Teams** — Invocação orquestrada e memória compartilhada\n- **Suporte a LLM Local** — Embeddings baseados em Ollama para operação local-first\n\nSe essas skills comunitárias te ajudam, considere [dar uma estrela no repositório original](https://github.com/sickn33/antigravity-awesome-skills) ou [apoiar o autor](https://buymeacoffee.com/sickn33).\n\n---\n\n## 🗺️ Roadmap\n\n| Funcionalidade                             | Status       | Descrição                                                                                                                                                                                                                                                           |\n| ------------------------------------------ | ------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| **Memória Federada de Agentes**            | ✅ Entregue  | Compartilhamento de conhecimento entre agentes via Qdrant compartilhado. Multi-tenancy com isolamento por desenvolvedor, flag `--shared` para visibilidade em equipe. 15/15 testes. ([docs](./docs/memory-modes.md)) |\n| **Autenticação Blockchain de Agentes**     | ✅ Entregue  | Escritas assinadas com HMAC-SHA256, ancoragem de hash, controle de acesso por projeto, trilha de auditoria — tudo via coleção Qdrant `agent_auth`. DID W3C opcional via Hyperledger Aries ACA-Py 1.5.0. 36/36 testes. ([docs](./docs/blockchain-auth.md)) |\n| **Streaming Event-Driven de Agentes**      | ✅ Entregue  | Barramento de eventos Apache Pulsar com auto-publicação no `memory_manager.py store`. Tópicos com escopo de projeto, degradação graciosa. 19/19 testes. ([docs](./docs/agent-events.md)) |\n| **Níveis de Modo de Memória**              | ✅ Entregue  | Progressão Solo → Team → Pro. Upgrades com compatibilidade retroativa, sem migração de dados. BM25 auto-sincronizado do Qdrant compartilhado no boot. ([docs](./docs/memory-modes.md)) |\n| **Compatibilidade MCP**                    | ✅ Entregue  | Memória + coordenação entre agentes expostas como ferramentas MCP via `execution/mcp_server.py` (13 ferramentas) e `skills/qdrant-memory/mcp_server.py` (6 ferramentas). ([docs](./docs/mcp-compatibility.md)) |\n| **Orquestração Adaptativa à Plataforma**   | ✅ Entregue  | 10 plataformas compartilham um `AGENTS.md` via symlinks (Claude Code, Gemini CLI, Codex CLI, Cursor, Copilot, OpenCode, AdaL, Antigravity, OpenClaw, Kiro). Cada uma usa sua estratégia de orquestração nativa automaticamente. |\n| **Motor de Workflows**                     | ✅ Entregue  | `execution/workflow_engine.py` executa playbooks `data/workflows.json` como sequências multi-skill guiadas com rastreamento de progresso, pular/abortar e persistência de estado em `.tmp/playbook_state.json`. |\n| **Control Tower Orchestrator**             | 🚧 Ativo     | Dispatcher básico para registro de agentes e heartbeat via Qdrant (`control_tower.py`). Precisa de docs dedicados e cobertura de testes. |\n| **Gerenciamento de Segredos (Vault)**      | 🔬 Design    | Integração HashiCorp Vault para compartilhamento seguro de segredos. Agentes autenticam via keypair Ed25519, acessam segredos com escopo de tenant. Zero credenciais de longa duração. |\n\n---\n\n## 🛡️ Segurança\n\nEste pacote inclui um scanner de segurança pré-publicação que verifica termos privados antes de publicar. Todos os templates são sanitizados para uso público.\n\n---\n\n## ☕ Apoio\n\nSe o AGI Agent Kit te ajuda a construir workflows melhores com IA, considere apoiar o projeto:\n\n- ⭐ [Dê uma estrela no GitHub](https://github.com/techwavedev/agi-agent-kit)\n- ☕ [Me pague um café](https://www.buymeacoffee.com/eltonmachado)\n\n---\n\n## 📄 Licença\n\nApache-2.0 © [Elton Machado@TechWaveDev](https://github.com/techwavedev)\n\nSkills comunitárias no nível Full são licenciadas sob a Licença MIT. Consulte [THIRD-PARTY-LICENSES.md](./THIRD-PARTY-LICENSES.md) para detalhes.\n","readmeFilename":"README.pt-BR.md"}