nirvana context engineering
Squad de engenharia de contexto para agentes de IA: elicitação de requisitos, análise do projeto, design de arquitetura de contexto, geração de artefatos (CLAUDE.md, AGENTS.md, rules, configs de memória) e otimização com validação de qualidade. Pipeline de 5 fases que aplica as 5 abordagens de context engineering (RAG, ACE, Hierarchical Layering, GCC, Structured Files).
🧠 nirvana-context-engineering
Squad de engenharia de contexto para agentes de IA — pipeline de 5 fases que transforma requisitos brutos em artefatos de contexto otimizados:
CLAUDE.md, regras contextuais,AGENTS.md, configurações de memória e templates de prompt.
📋 Índice
- Visão Geral
- Instalação
- Pipeline
- Agentes
- Tasks
- Workflows
- Abordagens de Context Engineering
- Best Practices 2026
- Artefatos Gerados
- Uso
- Configuração
- Estrutura de Diretórios
- Troubleshooting
- Contribuindo
- Licença
🔭 Visão Geral
O squad nirvana-context-engineering resolve um problema crítico no desenvolvimento com agentes de IA: contexto mal estruturado destrói qualidade e eleva custos. Agentes que recebem contexto genérico, inflado ou desorganizado tomam decisões ruins, ignoram restrições do projeto e repetem erros já documentados.
Este squad aplica as melhores práticas de Context Engineering para garantir que cada agente receba exatamente o contexto certo — nem mais, nem menos.
Para quem é este squad?
- Times que adotam AIOS e precisam configurar contexto inicial de qualidade
- Projetos legados sendo onboardados para desenvolvimento com agentes
- Equipes que notam degradação progressiva na qualidade das respostas de IA
- Engenheiros que querem padronizar gestão de contexto entre múltiplos projetos
CLAUDE.md bem estruturado pode reduzir tokens por sessão em até 40-60% enquanto melhora a coerência das respostas.
⚡ Instalação
npx squads add gutomec/squads-sh/nirvana-context-engineeringVerificar instalação:
squads list | grep nirvana-context-engineering🔄 Pipeline
O squad executa um pipeline sequencial de 5 fases, desde a coleta de requisitos até a otimização final do contexto:
Fases do pipeline:
| Fase | Agente | Input | Output |
|---|---|---|---|
| 1 — Coleta | 🎯 Interviewer | Conversa com usuário | requirements.yaml |
| 2 — Escaneamento | 🔬 Scanner | Repositório do projeto | project-analysis.yaml |
| 3 — Arquitetura | 🏗️ Architect | Requirements + análise | context-architecture.yaml |
| 4 — Geração | ⚡ Generator | Arquitetura de contexto | Artefatos brutos |
| 5 — Otimização | 🔧 Optimizer | Artefatos brutos | Contexto otimizado |
🤖 Agentes
| Ícone | Nome | Arquétipo | Função Principal |
|---|---|---|---|
| 🎯 | Interviewer | Guardian | Coleta requisitos via entrevista estruturada; garante que nenhum detalhe crítico seja perdido antes de iniciar o pipeline |
| 🔬 | Scanner | Guardian | Escaneia o repositório do projeto detectando stack tecnológica, padrões existentes, arquivos de configuração e estrutura de diretórios |
| 🏗️ | Architect | Builder | Projeta a arquitetura de contexto com base nos requisitos e análise; define hierarquia de camadas, escopos e estratégias de carregamento |
| ⚡ | Generator | Builder | Gera os artefatos de contexto conforme a arquitetura definida: CLAUDE.md, regras, AGENTS.md e configurações de memória |
| 🔧 | Optimizer | Balancer | Revisa e otimiza todos os artefatos; aplica compactação, mitiga "lost in the middle" e valida qualidade final do contexto |
📋 Tasks
| Task | Agente | Descrição |
|---|---|---|
gatherRequirements() | 🎯 Interviewer | Entrevista estruturada para capturar objetivos, restrições, stack e preferências do time |
scanProject() | 🔬 Scanner | Análise automatizada do repositório: arquivos de config, dependências, padrões de código, estrutura |
designContextArchitecture() | 🏗️ Architect | Projeto da hierarquia de contexto com escopo por camada (global, agente, workflow, task) |
generateContextArtifacts() | ⚡ Generator | Geração de todos os artefatos: CLAUDE.md, .claude/rules/ AGENTS.md, memory configs |
optimizeContext() | 🔧 Optimizer | Compactação, deduplicação, reordenação e validação de qualidade dos artefatos |
validateContextQuality() | 🔧 Optimizer | Checklist final: tamanho, cobertura, ausência de redundâncias, conformidade com best practices |
🔀 Workflows
context_engineering_pipeline — Pipeline Principal
Pipeline sequencial de 5 fases que executa o fluxo completo de coleta a otimização. Cada fase depende dos artefatos da fase anterior. Indicado para novos projetos ou onboarding inicial de projetos legados.
context_optimization_cycle — Ciclo Iterativo
Loop de otimização para projetos com contexto existente que precisa de refinamento. Analisa artefatos atuais, identifica problemas e aplica melhorias incrementais. Indicado para manutenção periódica e melhoria contínua de contexto já estabelecido.
/ce optimize
🧩 Abordagens de Context Engineering
O squad implementa e combina cinco abordagens complementares de gestão de contexto:
| Abordagem | Sigla | Descrição |
|---|---|---|
| Retrieval-Augmented Generation | RAG | Contexto é injetado dinamicamente a partir de bases de conhecimento externas no momento da execução |
| Agentic Context Engineering | ACE | Agentes constroem e refinam seu próprio contexto ao longo da execução, aprendendo com cada interação |
| Hierarchical Layering | — | Contexto organizado em camadas (L0 global → L7 keyword) com herança e override controlados |
| Git Context Controller | GCC | Contexto rastreado via git, com histórico de mudanças e capacidade de rollback para versões anteriores |
| Structured Files | CLAUDE.md | Padrão canônico de arquivo estruturado que organiza instruções, restrições e conhecimento do projeto |
🏆 Best Practices 2026
| Prática | Descrição |
|---|---|
| Compactação 40-60% | Reduzir token count mantendo cobertura semântica completa via resumo inteligente |
| Mitigação "lost in the middle" | Posicionar informações críticas no início ou no fim do contexto — nunca no meio |
| Memória em 3 camadas | Separar memória de curto prazo (sessão), médio prazo (projeto) e longo prazo (organização) |
| Tool loadout dinâmico | Carregar apenas as ferramentas relevantes para o contexto atual, reduzindo ruído cognitivo |
| Context quarantine | Isolar contexto potencialmente contaminado (erros, loops) em sandboxes antes de reutilizar |
| Escopos path-scoped | Regras em .claude/rules/ |
| CLAUDE.md ≤ 200 linhas | Arquivo principal de contexto mantido compacto — detalhes delegados a arquivos de regras |
| Versionamento de contexto | Todo artefato de contexto versionado no git com mensagens de commit descritivas |
📦 Artefatos Gerados
O squad produz um conjunto completo de artefatos de contexto prontos para uso imediato:
CLAUDE.md— Arquivo principal de contexto (≤ 200 linhas), com instruções gerais, stack, convenções e restrições- — Regras contextuais com
.claude/rules/
paths:frontmatter para carregamento seletivo por escopo de arquivo AGENTS.md— Catálogo de agentes disponíveis com personas, capacidades e exemplos de ativação- Memory configs — Configurações de memória de curto, médio e longo prazo para persistência de contexto
- Prompt templates — Templates reutilizáveis para tarefas comuns com placeholders tipados
💻 Uso
Comandos Principais
# Iniciar pipeline completo (fluxo padrão)
/ce start
# Executar apenas escaneamento do projeto
/ce scan
# Otimizar contexto existente
/ce optimize
# Validar qualidade dos artefatos atuais
/ce validate
# Visualizar arquitetura de contexto gerada
/ce inspect
# Ajuda e lista de comandos
/ce helpExemplo de Fluxo Completo
# 1. Instalar o squad
npx squads add gutomec/squads-sh/nirvana-context-engineering
# 2. Iniciar o pipeline no projeto alvo
cd meu-projeto
/ce start
# 3. Responder a entrevista do Interviewer (interativo)
# O agente fará perguntas sobre: stack, time, restrições, objetivos
# 4. Aguardar o pipeline completar (automático após entrevista)
# 5. Revisar os artefatos gerados
ls .claude/
cat CLAUDE.md
# 6. Commit dos artefatos de contexto
git add CLAUDE.md .claude/ AGENTS.md
git commit -m "feat: context engineering artifacts [ce-pipeline]"Setup Inicial — Checklist
- Squad Protocol v5 instalado e configurado
- Claude Code ativo no projeto
- Squad instalado via
npx squads add - Diretório do projeto com git inicializado
- Permissão de escrita em e raiz do projeto
.claude/
- Pipeline executado com
/ce start
- Artefatos revisados e commitados
⚙️ Configuração
squad.yaml — Configuração Principal
name: nirvana-context-engineering
version: 1.0.0
slashPrefix: ce
protocol: "5.0"
settings:
maxClaudeMdLines: 200
compactionTarget: 0.5 # 50% de redução de tokens
language: pt-BR
encoding: utf-8
generateAgentsMd: true
generateMemoryConfigs: true
generatePromptTemplates: true
pipeline:
workflow: context_engineering_pipeline
phases:
- agent: interviewer
task: gatherRequirements
- agent: scanner
task: scanProject
- agent: architect
task: designContextArchitecture
- agent: generator
task: generateContextArtifacts
- agent: optimizer
task: optimizeContextCustomização de Agentes
Cada agente pode ser customizado via arquivo YAML em
config/agents/
# config/agents/interviewer.yaml
interviewer:
maxQuestions: 20
requiredTopics:
- stack
- teamSize
- codeConventions
- ciCdPlatform
- testingStrategy
skipIfExists:
- requirements.yamlVariáveis de Ambiente
# Habilitar modo verbose no pipeline
CE_VERBOSE=true
# Sobrescrever idioma dos artefatos
CE_LANGUAGE=en-US
# Desabilitar geração de prompt templates
CE_SKIP_TEMPLATES=true
# Caminho customizado para artefatos
CE_OUTPUT_DIR=.context/📁 Estrutura de Diretórios
Expandir árvore completa do squad
squads/nirvana-context-engineering/ ├── README.md # Este arquivo ├── README.en.md # Versão em inglês ├── squad.yaml # Configuração principal ├── component-registry.md # Registro de componentes ├── analysis.md # Análise de design │ ├── agents/ │ ├── interviewer.yaml # 🎯 Agente Interviewer │ ├── scanner.yaml # 🔬 Agente Scanner │ ├── architect.yaml # 🏗️ Agente Architect │ ├── generator.yaml # ⚡ Agente Generator │ └── optimizer.yaml # 🔧 Agente Optimizer │ ├── tasks/ │ ├── gather-requirements.yaml │ ├── scan-project.yaml │ ├── design-context-architecture.yaml │ ├── generate-context-artifacts.yaml │ ├── optimize-context.yaml │ └── validate-context-quality.yaml │ ├── workflows/ │ ├── nirvana-context-engineering-pipeline.yaml │ └── context-optimization-cycle.yaml │ ├── templates/ │ ├── claude-md.md # Template base para CLAUDE.md │ ├── agents-md.md # Template base para AGENTS.md │ ├── rule-template.md # Template para regras contextuais │ └── memory-config.yaml # Template de configuração de memória │ ├── checklists/ │ ├── quality-gate.md # Checklist de qualidade final │ └── review-checklist.md # Checklist de revisão manual │ ├── config/ │ └── defaults.yaml # Configurações padrão do squad │ ├── references/ │ ├── nirvana-context-engineering-guide.md │ └── best-practices-2026.md │ └── scripts/ ├── validate.sh # Script de validação local └── metrics.sh # Coleta de métricas de contexto
🔧 Troubleshooting
| Problema | Causa Provável | Solução |
|---|---|---|
CLAUDE.md ultrapassando 200 linhas | Conteúdo não delegado a rules | Mover seções detalhadas para .claude/rules/ paths: frontmatter |
Agente ignorando regras de .claude/rules/ | Falta de frontmatter paths: | Adicionar paths: com glob correto no cabeçalho do arquivo de regra |
| Pipeline travando na fase Scanner | Permissão insuficiente no diretório | Verificar permissões com ls -la .claude/ chmod 755 .claude/ |
| Contexto não sendo carregado na sessão | AIOS Core desatualizado | Atualizar com npx squads update e verificar versão com squads --version |
| Artefatos gerados em inglês | Configuração de idioma incorreta | Definir CE_LANGUAGE=pt-BR ou ajustar settings.language no squad.yaml |
| Duplicação de instruções entre arquivos | Falta de compactação | Executar /ce optimize |
AGENTS.md não refletindo agentes reais | Squad desatualizado | Reinstalar com npx squads add --force gutomec/squads-sh/nirvana-context-engineering |
component-registry.md — este arquivo é gerenciado junto ao manifesto do squad e modificações manuais podem corromper o registro de componentes do squad.
🤝 Contribuindo
Contribuições são bem-vindas! Por favor, siga o fluxo padrão do AIOS:
- Crie uma story em descrevendo a melhoria
docs/stories/
- Implemente seguindo o Story Development Cycle (SDC)
- Execute o QA Gate com
@qa - Submeta via
@devopscom PR descritivo
Para discussões sobre arquitetura do squad, abra uma issue com a label nirvana-context-engineering.
📄 Licença
Distribuído sob a licença MIT. Veja LICENSE para detalhes completos.
nirvana-context-engineering · Squad (Squad Protocol v5) · v1.0.0
Criado por Luiz Gustavo Vieira Rodrigues (@gutomec)
Context Engineering não é magia — é arquitetura.
Avaliações
0 avaliaçõesNenhuma avaliação ainda. Seja o primeiro a avaliar este squad!
Mais de Luiz Rodrigues
squad forge
Squad meta de desenvolvimento, otimização e evolução de squads agênticos — cria, valida, otimiza e moderniza qualquer artefato de squad (agentes, tasks, workflows, skills, squads inteiros, templates) com perfeição de formato, e mantém a própria base de conhecimento atualizada via pesquisa web.
ultimate landingpage
Squad fullstack para criação de landing pages de ultra-alta conversão — pipeline end-to-end com 9 agentes: discovery de produto, pesquisa de mercado e experts de copywriting, design system atômico com contraste WCAG AAA e light/dark, geração de imagens por IA, frontend Next.js com SEO e acessibilidade, backend Python FastAPI com admin panel e exportação CSV, integrações WhatsApp e email, e QA multidimensional com score por dimensão
data quality guardian
Squad especialista em qualidade de dados — profiling de datasets, detecção de anomalias, validação de schemas, geração de relatórios de qualidade e sugestão de remediações automatizadas para pipelines de dados
incident response squad
Squad especialista em resposta a incidentes para DevOps/SRE — análise de logs multi-source, correlação de causa raiz, execução de runbooks de remediação, comunicação de status e geração de post-mortems blameless
brandcraft
Squad de produção de entregáveis visuais brand-consistent: extrai design systems de URLs (Refero + live extraction), gera PDFs, PPTX, posts sociais, carrosséis e vídeos programáticos por dois caminhos (Veo 3.1 + Remotion para footage de IA; HyperFrames HTML-first determinístico para motion-design, data-viz e explainer), faz auditoria competitiva de marca, aplica um quality gate awwwards de 24 itens e um arsenal de 112 bibliotecas de UI nos HTMLs/PDFs/animações, e valida acessibilidade WCAG 2.2 AA. Pipeline com 16 agentes especializados e 16 workflows.
nirvana squad creator
Gera squads v5-compliant a partir de linguagem natural — pipeline de 11 fases começando com intent archaeology + pesquisa web (2026), depois análise grounded, geração, otimização, validação, README multi-idioma, deploy e publicação no squads.sh
notebooklm automation
Automação programática completa do Google NotebookLM — da criação de notebooks e curadoria de fontes à pesquisa por Q&A progressivo e geração de 10 formatos de conteúdo (podcast, vídeo, slides, quiz, flashcards, infográfico, mapa mental, tabela de dados, relatório), com download de artefatos orquestrado por pipeline inteligente. Suporta 50+ idiomas e error handling cross-cutting (retry, re-auth, fallback de cota).
nirvana readme architect
Squad de geração de README.md perfeito e impecável, combinando análise profunda de codebase, seleção de template por tipo de projeto, todas as features do GitHub Flavored Markdown, validação com checklist de 25+ pontos e polimento final com badges e TOC.
soc alert triage
Squad especialista em triagem de alertas SOC para cybersecurity — classificação automatizada, filtragem de falsos positivos, priorização de ameaças, enriquecimento com threat intel e geração de briefs para analistas
adaptive tutor k12
Squad especialista em tutoria adaptativa K-12 — avaliação diagnóstica, mapeamento curricular personalizado, sessões de tutoria com dificuldade adaptativa, rastreamento de progresso e relatórios para pais e educadores
resume screener squad
Squad especialista em triagem de currículos para recrutamento — parsing automatizado de CVs, matching de skills com requisitos da vaga, auditoria de vieses, ranking de candidatos e geração de resumos executivos para hiring managers
automated code review squad
Squad especialista em code review automatizado — revisão de segurança, análise lógica, verificação de padrões arquiteturais, enforcement de coding standards e geração de review summaries priorizados para PRs e commits