First Reader

Leitores antes de publicar.

A maioria das skills de AI slop analisa o texto em si: palavras proibidas, comprimento das frases, travessões. Não conseguem dizer-lhe se uma pessoa real continuaria a ler. Esta skill simula dois leitores a percorrer o seu rascunho, uma passagem de cada vez, e relata o que lhes aconteceu: onde ficaram interessados, onde perderam o interesse, onde pararam e o que ainda se lembravam no dia seguinte. Um terceiro leitor limita-se a passar os olhos pelo texto e diz se é que o teria aberto. Quando a execução termina, pode colocar perguntas de seguimento a qualquer um dos leitores. A skill nunca reescreve o seu texto.

https://github.com/user-attachments/assets/cf222598-39f1-4f37-9f64-505f87925fa7

Instalação

npx skills add https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/agent_skills/first-reader

A skills CLI instala a pasta para agentes de programação compatíveis. Também pode copiar este diretório para o diretório de skills de um agente. Tudo o que está lá dentro é Markdown e Python da stdlib. Funciona offline, não tem dependências e não envia nada para fora da sua máquina.

Utilização

Aponte o seu agente para um ficheiro de rascunho, ou cole o rascunho, e diga para quem é:

analise isto, é um post de lançamento para engenheiros de backend no nosso blog

Alguns minutos depois, o agente responde em linguagem simples: se o leitor de relance abriu o texto, onde cada leitor se interessou ou parou de ler, o que recordaram e uma pergunta para você. Também gera uma página que mostra o seu rascunho com os comentários dos leitores junto a cada passagem, o veredicto do leitor de relance e uma faixa que mostra como a atenção variou de passagem para passagem.

Depois da execução, pode continuar a perguntar:

• "pergunta à S o que a teria mantido a ler para além da passagem 4": a S responde com base nas notas que ela própria tomou, com as palavras dela. Ela diz-lhe o que faltou, mas não o escreve por você.
• "outra vez", depois de ter revisto o rascunho no seu editor: os mesmos leitores leem-no como se fosse a primeira vez, e a página mostra a faixa de atenção da execução anterior acima da nova, para que possa ver o que mudou.
• "leitura rápida": apenas o leitor de relance é executado. Recebe duas frases sobre se a abriria e porquê.

Os leitores são criados a partir do público que indicar na primeira frase. Descrevê-los como pessoas funciona melhor do que indicar cargos, por exemplo "uma staff engineer que já construiu três eval harnesses e quer uma razão para parar". Pode guardar os seus leitores em .first-reader/audience.json, ao lado dos seus rascunhos, para que todas as execuções nessa pasta usem as mesmas pessoas.

Porquê simular leitores

As skills de AI slop medem o texto. Não conseguem medir o que um leitor experiencia, e a investigação sobre a deteção de escrita oca mostra que as pessoas que a identificam de forma fiável avaliam aquilo a que um texto se compromete e o que deixa na memória, em vez de contar palavras. Por isso, esta skill mede antes a experiência.

Três regras mantêm a simulação honesta. O rascunho é apresentado uma passagem de cada vez, e o feed não avança mais depressa do que uma pessoa conseguiria ler, por isso um leitor que desista na passagem quatro nunca viu a passagem cinco. O teste de memória é respondido a partir das notas do próprio leitor, nunca a partir de uma segunda leitura do texto. E os leitores apenas relatam o que lhes aconteceu e o que teria de ser diferente para continuarem a ler; todas as decisões sobre o rascunho continuam a ser suas.

Verificação

python3 agent_skills/evals/first-reader/test_first_reader.py

O teste constrói rascunhos temporários e verifica cada parte da skill: a vista de leitura rápida, o feed servido (sem texto escrito no disco, velocidade de leitura imposta, um token por leitor), o questionário de memória, os sinais de confiança, a consulta ao leitor e a página. A especificação de comportamento está em agent_skills/evals/first-reader/. Execute cada prompt em evals.json numa sessão nova com a skill instalada e verifique as expectativas listadas. O ficheiro trigger-cases.json lista quando a skill deve e não deve ser acionada. O registo na mesma pasta documenta como a skill foi testada, incluindo cinco leituras consecutivas de um ensaio real.

Ficheiros

first-reader/
|-- SKILL.md
|-- README.md
|-- references/
|   |-- personas.md
|   |-- report.md
|   |-- room.md
|   `-- interview.md
`-- scripts/
    |-- skim.py
    |-- feed.py
    |-- recall.py
    |-- signals.py
    |-- ask.py
    |-- room.py
    `-- room_template.html

Parte de awesome-llm-apps.

Apache-2.0. Última verificação: setembro de 2026.