⏱️ Leitura: 15 minutos · 🎯 Público: colaboradores, líderes, times de capacitação, administradores da Cortex.
A palavra "Skill" tem dois sentidos importantes no contexto da Cortex:
Esta página cobre ambos.
Parte 1 — Competências humanas:
Parte 2 — Skills da plataforma:
A IA não substitui profissionais — amplifica quem sabe usá-la. A diferença entre uma organização que extrai 3x de produtividade da Cortex e outra que extrai 30% está muito mais na maturidade das pessoas do que na tecnologia.
| Sem competência em IA | Com competência em IA |
|---|---|
| Usa a IA como "busca melhorada" | Usa a IA como colaborador: delega tarefas complexas |
| Aceita a primeira resposta | Itera, questiona, valida, cruza com fontes |
| Cola dados sensíveis sem critério | Aplica classificação, mascara, segue política |
| Não sabe por que escolheu um modelo | Escolhe o modelo certo para cada tipo de tarefa |
| Prompts genéricos e vagos | Prompts estruturados, com papel, contexto e critérios |
| Não mede impacto | Acompanha produtividade, economia, qualidade |
| Trata IA como "caixa preta" | Entende conceitos (tokens, RAG, alucinação) e decide conscientemente |
Organizações líderes investem em capacitação contínua porque percebem que o ROI da IA vem mais das pessoas do que do modelo.
A habilidade de comunicar-se efetivamente com a IA para obter respostas precisas e úteis.
| Nível | Competência | Exemplo |
|---|---|---|
| Básico | Escrever prompts claros (papel, objetivo, formato) | "Você é analista de riscos. Liste 5 riscos do setor saúde em tabela." |
| Intermediário | Usar técnicas (few-shot, chain-of-thought, estrutura em camadas) | Dar 2-3 exemplos de saída esperada; pedir raciocínio passo a passo |
| Avançado | Orquestrar prompts em cadeia, usar variáveis dinâmicas, criar templates da organização | Criar pipelines que conversam entre si; prompts reutilizáveis com formulário |
Invista tempo aqui — prompt bem escrito = tempo economizado ao longo do ano.
👉 Engenharia de Prompts — guia completo com técnicas e templates.
A IA pode alucinar com total confiança. A competência de avaliar, questionar e validar é inegociável.
Habilidades-chave:
Sinal de alerta: respostas "perfeitas demais", com números redondos e afirmações categóricas. Essas são geralmente as mais perigosas.
Entender como a IA funciona por dentro é crítico para usá-la bem.
Conceitos que todo profissional precisa dominar:
| Conceito | Por que importa |
|---|---|
| Token | Unidade de medida de custo e de limite; 1.000 tokens ≈ 750 palavras em português |
| Janela de contexto | Quanto o modelo "lembra" simultaneamente; conversas muito longas podem perder o início |
| Temperature | Criatividade vs precisão; ajuste simples gera grandes mudanças |
| RAG | Por que o modelo consegue ou não responder sobre a sua empresa |
| Embedding | O que permite busca semântica (não só palavras iguais) |
| Alucinação | Por que acontece e como reduzir |
| Function calling | Como a IA chama ferramentas externas |
👉 O que é LLM? — fundamentos em linguagem acessível.
👉 RAG — como a IA usa dados da sua empresa.
Competência inegociável em uso corporativo.
Habilidades-chave:
👉 Governança de IA · Segurança e Privacidade · IA Responsável
A capacidade de combinar agentes, ferramentas, conhecimento e fluxos para resolver problemas de ponta a ponta.
Habilidades-chave:
👉 Agentes Especializados · Agentes Autônomos · Modelos Disponíveis
Use esta matriz para autoavaliação individual e de equipe:
| Nível | Uso | Prompts | Validação | Governança | Automação |
|---|---|---|---|---|---|
| ⭐ Iniciante | Pontual, exploratório | Simples ("me fala sobre X") | Não valida | Não conhece políticas | Não automatiza |
| ⭐⭐ Praticante | Regular, no dia a dia | Estruturados (papel + objetivo) | Confere fatos importantes | Segue políticas | Usa agentes criados por outros |
| ⭐⭐⭐ Proficiente | Integrado aos processos | Com variáveis, few-shot, formato | Cruza com fontes | Cria próprios agentes com governança | Cria prompts reutilizáveis |
| ⭐⭐⭐⭐ Avançado | Orquestra múltiplos agentes | Chain-of-thought, self-consistency | Mede qualidade com métricas | Lidera governança da área | Pipelines multi-agente |
| ⭐⭐⭐⭐⭐ Especialista | Define estratégia | Engenharia de prompt como disciplina | Red-teaming, avaliações | Define políticas da organização | Inovações em produto/serviço |
Pergunte-se:
Sou iniciante se: uso IA esporadicamente, quase sempre com prompts curtos, aceito a primeira resposta.
Sou praticante se: uso IA várias vezes por semana, tenho meus prompts favoritos, sei quando desconfiar.
Sou proficiente se: integrei IA em 2+ processos recorrentes, criei meus agentes, meço ganho de tempo.
Sou avançado se: projeto fluxos multi-agente, acompanho métricas de qualidade, treino outros profissionais.
Sou especialista se: lidero a estratégia de IA da minha área/organização, influencio política e produto.
Ordem sugerida:
Tempo estimado para nível Proficiente: 4-6 semanas de uso consistente.
Tempo estimado para nível Avançado: 2-3 meses.
Tempo estimado para nível Especialista em estratégia: 1-2 meses + experiência.
Competências que estão se tornando cada vez mais relevantes:
| Skill emergente | Descrição | Por que importa |
|---|---|---|
| Agentic AI design | Projetar sistemas com agentes autônomos que se coordenam | A próxima fronteira de produtividade está em workflows multi-agente |
| RAG engineering | Construir e otimizar pipelines RAG sofisticados | A diferença entre "ok" e "excelente" no uso corporativo |
| AI safety & red teaming | Testar vulnerabilidades em sistemas de IA | Regulações exigem avaliação formal de riscos |
| Multimodal prompting | Trabalhar com texto + imagem + áudio + vídeo | Maioria dos modelos modernos é multimodal |
| FinOps de IA | Gerenciar custos de inferência e modelos | Sem isso, o custo inviabiliza a escala |
| AI governance | Implementar frameworks (ISO 42001, EU AI Act) | Regulação global acelerando |
| Prompt libraries | Curadoria e manutenção de prompts como ativos | Igual ao que código-fonte representa para engenharia |
| Evaluation engineering | Desenhar métricas e testes para avaliar IA | Sem medida, não há melhoria |
Marque o que você consegue fazer hoje:
Skills são conjuntos de instruções em Markdown que você vincula a agentes ou invoca pontualmente em conversas para ensinar o modelo a seguir uma técnica, padrão ou fluxo específico.
Diferente de:
Skills são: guias de "como fazer" em texto. O modelo lê a skill quando precisa e segue as orientações.
No Espaço de Trabalho, escolha a aba Skills (na Cortex, junto com Modelos, Conhecimento, Prompts e Ferramentas).
Preencha:
Formato recomendado:
# Guia de Revisão de Código - Python
## Objetivo
Revisar código Python seguindo os padrões da empresa.
## O que verificar
### 1. Correção
- O código faz o que o enunciado pede?
- Há testes cobrindo casos de borda?
### 2. Segurança
- Entradas validadas e sanitizadas?
- Secrets em variáveis de ambiente, não hardcoded?
- Dependências sem vulnerabilidades conhecidas?
### 3. Estilo
- Segue PEP 8?
- Nomes descritivos (snake_case para funções/variáveis)?
- Docstrings em funções públicas?
### 4. Performance
- Estruturas de dados apropriadas?
- Evita operações custosas em loops desnecessários?
## Formato do feedback
- Abra com resumo executivo (1-2 frases)
- Use tabela: linha | severidade | observação | sugestão
- Termine com 3 pontos positivos do código
Skills são privadas por padrão (só você vê). Para compartilhar:
Você pode importar um arquivo .md existente. Se o arquivo tiver frontmatter YAML, os campos name e description são preenchidos automaticamente:
---
name: guia-revisao-codigo-python
description: Checklist de revisão de código Python seguindo padrões da empresa
---
# Guia de Revisão de Código - Python
...
Skills podem ser usadas de duas formas:
Comportamento: ao iniciar uma conversa com o agente, apenas o manifesto (nome + descrição) da skill é injetado no contexto. O modelo lê a skill completa sob demanda quando julgar necessário (usando a ferramenta view_skill).
Vantagem: você pode vincular muitas skills ao mesmo agente sem consumir janela de contexto à toa. O modelo carrega só as que precisa.
Requisito: function calling nativo habilitado no agente (padrão na maioria dos modelos modernos).
$)No chat, digite $ para abrir o seletor de skills e escolha uma:
$guia-revisao-codigo-python
Por favor, revise este código:
[cola o código]
Comportamento: o conteúdo completo da skill é injetado imediatamente no prompt.
Vantagem: você pode usar skills pontualmente sem precisar vincular ao agente.
Cuidado: skills longas consomem bastante janela de contexto. Combine com modelos de contexto grande (Claude Sonnet 4.6, Gemini 3 Pro, Grok 4).
| Recurso | Natureza | Quando usar |
|---|---|---|
| Prompt do sistema (no agente) | Instruções permanentes que definem papel e comportamento | Para tudo que o agente sempre deve seguir |
Prompt salvo (slash /) |
Template de input do usuário, com formulário | Para pedidos repetidos, com ou sem variáveis |
Skill ($ no chat ou vinculada) |
Guia de "como fazer" uma técnica | Para padrões, playbooks, guias reutilizáveis entre agentes |
| Knowledge (RAG) | Documentos que o modelo consulta | Para dados, fatos, referências da organização |
| Ferramenta (tool) | Código executável em Python | Para ação externa (chamar API, consultar DB) |
Você tem um agente "Revisor de Código". Como configurar cada coisa?
| Recurso | Conteúdo |
|---|---|
| Prompt do sistema | "Você é revisor sênior. Seu tom é direto mas construtivo. Sempre termine apontando 3 pontos positivos." |
Skill guia-python-seguro |
Checklist de 20 itens de segurança em Python (usa quando revisa Python) |
Skill guia-react-performance |
Checklist de performance em React (usa quando revisa JS) |
| Knowledge "Padrões da empresa" | Documentos oficiais de arquitetura e estilo |
Ferramenta executar_testes |
Roda testes unitários do código |
O agente tem o papel fixo, várias skills opcionais para cada linguagem, conhecimento corporativo sempre acessível, e ferramentas para ação.
| Limitação | Observação |
|---|---|
| Plain text, não código | Skills são instruções, não executáveis. Para ação, use Ferramentas |
| Dependem de function calling | Para lazy-loading (vincular ao agente), o modelo precisa suportar chamada de ferramentas |
| Tamanho vs janela de contexto | Skills grandes invocadas com $ podem consumir muito da janela |
| Não executam busca | Para busca em documentos, use RAG, não skills |
| Acesso por permissão | Mesmo vinculada ao agente, o usuário precisa ter acesso à skill para usá-la |
Competências humanas:
Recursos técnicos:
💬 Quer construir um programa de capacitação em IA para sua organização? A SinapseTech oferece trilhas de treinamento customizadas — conteúdo, avaliação, certificação. Fale com o time via Atendimento e Suporte.