peterhbj

andorinha-shopping

Planejar e revisar compras do Andorinha com a lista, preferencias.yaml, Jev e o orquestrador Python deste repositório. Use ao pedir para analisar a lista, comparar produtos, preparar o carrinho ou executar uma compra assistida.

peterhbj 0 Actualitzat fa 3 setm.
GitHub

Instal·la

npx skillscat add peterhbj/shopping-skill/andorinha-shopping

Instal·la des del registre de SkillsCat.

SKILL.md

Compras assistidas

Trabalhe na raiz deste repositório. Use o Codex como coordenador de uma corrida, não como subprocesso para cada produto. Leia lista-compras.md, preferencias.yaml e o README.md antes de planejar. Não exiba credenciais, dados de autenticação ou arquivos de perfil do navegador.

  1. Confira a lista e as preferências. Aponte apenas inconsistências que afetem a escolha; preserve quantidades, sabores, restrições e marcas explicitamente pedidas.
  2. Execute python -m orchestrator.main plan --list lista-compras.md --profile preferencias.yaml --no-llm --jev-shadow --report-out relatorio.md se TYPESAFE_API_KEY estiver configurada. Sem a chave, use --no-jev no lugar de --jev-shadow. Não leia nem imprima o valor da chave.
  3. Leia run.json, relatorio.md e duvidas.md se existir. Revise também as escolhas automáticas feitas pelo modo --no-llm: marca ou menor preço podem não corresponder ao pedido. Compare as sugestões do Jev com os candidatos e o perfil. Jev em modo shadow apenas registra sugestões; uma confiança alta não garante que o produto corresponda à lista. Não escolha candidatos fora dos resultados pesquisados.
  4. Para dúvidas, explique opções e diferenças de preço/unidade ao usuário. Quando houver informação suficiente ou uma escolha expressa, prepare um arquivo local respostas.yaml no formato respostas: [{item: "texto do item", texto: "índice do candidato"}] e execute python -m orchestrator.main resolve --list lista-compras.md --profile preferencias.yaml --answers respostas.yaml --no-llm --report-out relatorio.md. Trate também cada not_found como pendência: explique a falta de resultados; se o usuário corrigir o termo, ajuste a lista ou o perfil e rode plan novamente. resolve não processa not_found. Não invente respostas para restrições, variações de produto ou substituições relevantes.
  5. Antes de apply, confira em run.json que não restam itens needs_user ou not_found sem uma decisão explícita de pular, e que todos os itens decided correspondem à lista. Mostre o resumo das escolhas e custo estimado. Execute python -m orchestrator.main apply --list lista-compras.md --profile preferencias.yaml --no-llm --report-out relatorio.md somente quando o usuário pedir para adicionar os itens ao carrinho. Checkout e pagamento são manuais.

O script Python cuida de busca, regras, cliques e conferência; Jev fornece decisões estruturadas em lote. Use seu raciocínio para entender a intenção da lista e revisar exceções, em uma sessão por corrida. Evite iniciar codex exec de dentro da própria sessão e evite chamadas de modelo por item.