learned-lesson
Captura e armazena licoes tecnicas de bug fixes ou decisoes arquiteturais
Best use case
learned-lesson is best used when you need a repeatable AI agent workflow instead of a one-off prompt.
Captura e armazena licoes tecnicas de bug fixes ou decisoes arquiteturais
Teams using learned-lesson should expect a more consistent output, faster repeated execution, less prompt rewriting.
When to use this skill
- You want a reusable workflow that can be run more than once with consistent structure.
When not to use this skill
- You only need a quick one-off answer and do not need a reusable workflow.
- You cannot install or maintain the underlying files, dependencies, or repository context.
Installation
Claude Code / Cursor / Codex
Manual Installation
- Download SKILL.md from GitHub
- Place it in
.claude/skills/learned-lesson/SKILL.mdinside your project - Restart your AI agent — it will auto-discover the skill
How learned-lesson Compares
| Feature / Agent | learned-lesson | Standard Approach |
|---|---|---|
| Platform Support | Not specified | Limited / Varies |
| Context Awareness | High | Baseline |
| Installation Complexity | Unknown | N/A |
Frequently Asked Questions
What does this skill do?
Captura e armazena licoes tecnicas de bug fixes ou decisoes arquiteturais
Where can I find the source code?
You can find the source code on GitHub using the link provided at the top of the page.
SKILL.md Source
# Learned Lesson Skill ## Metadata - **Total de Steps**: 4 - **Tempo Estimado**: 10-15 minutos - **Prerequisito**: Conclusao de tarefa complexa, bug fix ou decisao arquitetural - **Artefato Final**: `.aidev/memory/kb/YYYY-MM-DD-<topic>.md` ## Quando Usar Ativa apos a conclusao de uma tarefa complexa, correcao de bug, **implementacao de um padrao de sucesso** ou decisao arquitetural importante. O objetivo e economizar tokens e tempo em sessoes futuras ao reutilizar solucoes de excelencia ou evitar erros repetidos. ## Proposito Capturar conhecimento tacito (como resolvemos algo ou por que algo funcionou tao bem) e transforma-lo em conhecimento explicito reutilizavel. --- ## Step 1: Capturar Contexto **Checkpoint**: `context_captured` ### Acoes Documentar o contexto do aprendizado: 1. Qual erro, excecao, desafio ou **padrao de excelencia** foi identificado? 2. Qual era o comportamento esperado vs observado (para bugs) ou qual a vantagem competitiva (para padroes)? 3. Qual a stack/tecnologia envolvida? 4. Qual a frequencia/impacto ou potencial de reuso? ### Formato de Captura ```markdown ## Contexto **Stack**: [Ex: Laravel 10 + PHP 8.2] **Ambiente**: [Ex: Producao, Docker] **Frequencia**: [Ex: Intermitente, sempre] **Impacto**: [Ex: Critico, Alto, Medio, Baixo] ### Sintoma Observado [Descricao do comportamento errado] ### Comportamento Esperado [Descricao do comportamento correto] ### Evidencia [Stack trace, log, screenshot] ``` ### Criterios de Validacao - [ ] Contexto claramente descrito - [ ] Stack/tecnologia identificada - [ ] Sintoma documentado com evidencia - [ ] Impacto avaliado --- ## Step 2: Identificar Causa Raiz **Checkpoint**: `root_cause_identified` ### Acoes Aplicar tecnica dos 5 Porques: 1. Por que o erro ocorreu? 2. Por que essa condicao existia? 3. Por que nao foi detectado antes? 4. Por que o sistema permitiu? 5. Por que nao havia protecao? ### Formato ```markdown ## Causa Raiz ### Analise (5 Whys) 1. **Por que falhou?** [Resposta] 2. **Por que?** [Resposta] 3. **Por que?** [Resposta] 4. **Por que?** [Resposta] 5. **Por que?** [Causa raiz] ### Causa Raiz Identificada [Explicacao tecnica clara e concisa] ### Tipo de Problema / Padrao - [ ] Bug de codigo - [ ] Configuracao incorreta - [ ] Padrao de Codificacao (Sucesso) - [ ] Decisao Arquitetural - [ ] Otimizacao de Performance - [ ] Falta de validacao - [ ] Outro: ___ ``` ### Criterios de Validacao - [ ] 5 Whys aplicados - [ ] Causa raiz tecnica identificada - [ ] Tipo de problema classificado - [ ] Nao confunde sintoma com causa --- ## Step 3: Documentar Solucao **Checkpoint**: `solution_documented` ### Acoes Documentar a correcao de forma reproduzivel: 1. O que foi mudado (diff/codigo) 2. Por que essa solucao funciona 3. Alternativas consideradas 4. Testes que validam a correcao ### Formato ```markdown ## Solucao ### Correcao Aplicada ```[linguagem] // Codigo que resolveu o problema ``` ### Por Que Funciona [Explicacao tecnica de por que essa solucao resolve a causa raiz] ### Alternativas Consideradas | Alternativa | Por que nao escolhida | |-------------|----------------------| | ... | ... | ### Validacao - Teste adicionado: `path/to/test.spec.ts` - Comando de verificacao: `npm test -- --grep "..."` ``` ### Criterios de Validacao - [ ] Codigo/mudanca documentado - [ ] Explicacao do porque funciona - [ ] Teste de regressao adicionado - [ ] Comando de verificacao funciona --- ## Step 4: Armazenar Licao **Checkpoint**: `lesson_stored` ### Acoes #### Memoria Local (Projeto) Salvar em `.aidev/memory/kb/`: ```bash # Nome do arquivo YYYY-MM-DD-<slug-do-problema>.md ``` #### Memoria Global (Cross-Project) Se aplicavel a outros projetos: ```bash # Usar basic-memory MCP mcp__basic-memory__write_note ``` ### Template Final da Licao ```markdown # Licao: [Titulo Curto e Descritivo] **Data**: YYYY-MM-DD **Stack**: [Tecnologias envolvidas] **Tags**: [bug, success-pattern, arch-decision, performance, security, etc] ## Contexto [Resumo do contexto - do Step 1] ## Problema [Sintoma e evidencia - do Step 1] ## Causa Raiz [Explicacao tecnica - do Step 2] ## Solucao [Codigo/mudanca - do Step 3] ## Prevencao Como evitar no futuro: - [ ] Checklist item 1 - [ ] Checklist item 2 ## Referencias - [Link para PR/commit] - [Link para documentacao] ``` ### Criterios de Validacao - [ ] Arquivo salvo no path correto - [ ] Todas as secoes preenchidas - [ ] Tags apropriadas adicionadas - [ ] Memoria global atualizada (se aplicavel) --- ## Categorias de Licoes | Categoria | Descricao | Exemplo | |-----------|-----------|---------| | `bug` | Correcao de erro | NPE em campo nullable | | `success-pattern` | Padrao de Excelencia | Implementacao limpa de Repository | | `arch-decision` | Decisao Arquitetural | Uso de Event Sourcing | | `config` | Configuracao | Timeout de conexao | | `performance` | Otimizacao | N+1 query | | `security` | Vulnerabilidade | SQL injection | | `integration` | Integracao | API externa | | `deployment` | Deploy/infra | Docker/K8s | --- ## Transicoes ### Ao Completar com Sucesso ```bash skill_add_artifact "learned-lesson" ".aidev/memory/kb/YYYY-MM-DD-<topic>.md" "lesson" skill_complete "learned-lesson" # Licao disponivel para consulta futura ``` ### Em Caso de Falha ```bash skill_fail "learned-lesson" "Motivo da falha" # Salvar estado parcial para retomar depois ``` --- ## Exemplo de Uso com Orquestrador ```bash skill_init "learned-lesson" skill_set_steps "learned-lesson" 4 # Step 1: Capturar contexto skill_advance "learned-lesson" "Capturar contexto" # ... documentar contexto, sintoma, evidencia ... skill_validate_checkpoint "learned-lesson" # Step 2: Identificar causa raiz skill_advance "learned-lesson" "Identificar causa raiz" # ... aplicar 5 whys, classificar problema ... skill_validate_checkpoint "learned-lesson" # Step 3: Documentar solucao skill_advance "learned-lesson" "Documentar solucao" # ... registrar correcao, validar com teste ... skill_validate_checkpoint "learned-lesson" # Step 4: Armazenar licao skill_advance "learned-lesson" "Armazenar licao" # ... salvar arquivo, atualizar memoria ... skill_add_artifact "learned-lesson" ".aidev/memory/kb/2024-01-15-timeout-api.md" "lesson" skill_validate_checkpoint "learned-lesson" skill_complete "learned-lesson" ``` --- ## Recuperacao de Licoes Para consultar licoes em sessoes futuras: ```bash # Listar e buscar (CLI Otimizado) aidev lessons aidev lessons --search "termo" aidev lessons --read "nome-arquivo" # Busca global (basic-memory) mcp__basic-memory__search_notes query="palavra-chave" ``` --- ## Principios 1. **Capture Imediatamente** - Conhecimento tacito se perde rapido 2. **Seja Especifico** - Detalhes tecnicos importam 3. **Inclua Codigo** - Exemplos concretos sao mais uteis 4. **Adicione Teste** - Previna regressoes 5. **Categorize Bem** - Facilita busca futura
Related Skills
extracting-learned-skills
Extracts reusable skills and decision-making heuristics from debugging sessions. Use after solving tricky bugs, discovering non-obvious workarounds, or finding hidden gotchas specific to a codebase. Triggers include "save this as a skill", "learn from this", or after significant debugging effort.
add-lesson
Add a new lesson learned to shared rules and sync to context files.
bgo
Automates the complete Blender build-go workflow, from building and packaging your extension/add-on to removing old versions, installing, enabling, and launching Blender for quick testing and iteration.
nosql-expert
Expert guidance for distributed NoSQL databases (Cassandra, DynamoDB). Focuses on mental models, query-first modeling, single-table design, and avoiding hot partitions in high-scale systems.
nosql-databases
Apply NoSQL best practices for MongoDB, Convex, and document databases. Use when designing schemas, writing queries, optimizing performance, or building applications with non-relational databases. Use with database-expert for query optimization and DBA-level tuning (20+ years experience).
nodejs-javascript-vitest
Guidelines for writing Node.js and JavaScript code with Vitest testing Triggers on: **/*.js, **/*.mjs, **/*.cjs
nodejs-best-practices
Node.js development principles and decision-making. Framework selection, async patterns, security, and architecture. Teaches thinking, not copying.
nodejs-backend-typescript
Node.js backend development with TypeScript, Express/Fastify servers, routing, middleware, and database integration
nodejs-backend-patterns
Build production-ready Node.js backend services with Express/Fastify, implementing middleware patterns, error handling, authentication, database integration, and API design best practices. Use when creating Node.js servers, REST APIs, GraphQL backends, or microservices architectures.
Node Tuning Helper Scripts
Generate tuned manifests and evaluate node tuning snapshots
nock-interpreter-engineer-assistant
Expert Nock interpreter builder for implementing virtual machines in C, Python, Rust, Haskell, or JavaScript. Use when building Nock interpreters, porting between languages, implementing evaluation loops, or understanding Nock runtime behavior.
nix-workspace
Node.js dashboard for Nix agents - task management with comments, agent status, action log, and task routing. Start with `node server.js`. Access at http://localhost:5050 or https://nixbot.auromations.com