Como uma pessoa só mantém 40 repositórios andando
Toda manhã eu abro um agente por projeto no tmux, passo uma única linha e reviso o que volta. O trabalho pesado fica nas skills: prompts em texto puro que eu vou refinando.
Uma linha pra começar o dia
Cada janela do tmux é um projeto. Eu inicio o agente pelo ai-memory, então ele já chega com a memória daquele projeto e os hooks ligados.
cd ~/Projects/ai-usagebarai-memory run claude# quota gone? same workstream, another agentai-memory run codex --yoloDepois eu digito uma de três linhas, dependendo de como está a fila:
run pr-audit and iss-audit, then run github-resolutionO dia normal: auditar tudo que está aberto e depois corrigir o que as auditorias aprovaram.
... then run the release skillAcrescentada quando já entrou coisa suficiente pra uma versão.
run pr-bump and releaseDias em que a única fila é do Dependabot.
O pipeline
Nada que um contribuidor escreve é aceito como verdade. Toda afirmação é checada, toda correção aprovada ganha um teste antes, e nada recebe tag sem CI verde naquele commit exato.
As skills que fazem o trabalho
Cada uma é um arquivo SKILL.md: um nome, uma descrição e um prompt longo e específico. O agente só carrega o corpo quando decide usar a skill.
pr-audit
Evidência acima de narrativa. Checa cada afirmação de um pull request, procura bits de execução escondidos, homoglyphs, actions sem versão fixada, dependências com typosquatting e prompt injection, e controla o semver.
iss-audit
A mesma desconfiança pras issues. Nunca roda um comando copiado de uma issue, separa o que foi observado do diagnóstico de quem reportou e reproduz com dados sintéticos num sandbox.
github-resolution
Transforma tickets aprovados em código mergeado, um de cada vez, cada um com um teste de regressão escrito antes da correção, e sem abstrações especulativas nem refatorações de passagem.
security-audit
Modelo de ameaças e auditoria de uma codebase, de um intervalo de commits ou de um pull request: injection, bypass de autenticação, segredos, supply chain, comprometimento de CI, negação de serviço.
pr-bump
O caminho rápido pro Dependabot. Junta todos os bumps numa única passada de verificação, com um piso de supply chain que manda qualquer coisa estranha pra uma auditoria completa.
release
A versão sai do changelog: correções são patch, adições são minor, breaking changes são major. Só cria tag com CI verde, e nunca reescreve uma tag publicada.
O kaizen fecha o ciclo
Depois de cada rodada eu olho o que deu errado ou demorou demais e corrijo o processo junto com o código. Eu chamo isso de kaizen, a palavra japonesa pra melhoria contínua, e é a etapa que faz a próxima rodada ser melhor que esta.
Skills
Uma regra entra no dia em que um erro aparece. O histórico do my-skills está cheio delas: juntar os bumps do Dependabot numa passada só, deixar pull requests recusados num estado limpo.
Instruções do harness
O AGENTS.md de cada projeto junta os comandos, invariantes e armadilhas conforme eu encontro, pra que o próximo agente não precise descobrir tudo de novo.
Ferramentas
O ai-usagebar, o ghpending e o tclock existem porque alguma coisa na minha rotina era lenta ou invisível. E continuam mudando pelo mesmo motivo.
Setup
O desktop, o terminal e a caixa de games são todos código, então uma melhoria é um commit que eu posso revisar, manter ou reverter.
Cada linha dessas skills é uma cicatriz.
No que isso dá
Tudo abaixo aconteceu em 2026, nas ferramentas deste site, nos meus projetos paralelos Frank, na newsletter, no benchmark e no blog. Contado em 23 de setembro de 2026. Quase tudo passou por agentes e por essas skills, comigo lendo os relatórios e tomando as decisões.
- 30
- projetos com commits
- 6.330
- commits
- 783
- pull requests mergeados
- 486
- issues fechadas
- 1,08 mi
- linhas de código adicionadas
- 121
- posts publicados no blog
Linhas de código são linhas adicionadas em arquivos de código. Lockfiles, dados, fontes, traduções, arquivos vendorizados e gerados não contam, nem a saída dos modelos no benchmark ou o conteúdo gerado da newsletter. FrankGeary e tclock são forks, então só as minhas mudanças contam. Pull requests e issues vêm do GitHub; frank_bazaar não tem remote no GitHub e akitando-news é privado.
Projeto por projeto
| Projeto | Commits | PRs mergeados | Issues fechadas | Linhas de código adicionadas |
|---|---|---|---|---|
| ai-memory | 1.468 | 500 | 283 | 328.177 |
| akitaonrails.github.io | 637 | 9 | 5 | 121 posts |
| akitando-news (privado) | 577 | 1 | 0 | 80.602 |
| ai-usagebar | 553 | 146 | 42 | 132.932 |
| distrobox-gaming | 497 | 2 | 0 | 47.622 |
| FrankMD | 361 | 42 | 45 | 81.237 |
| llm-coding-benchmark | 359 | 5 | 7 | 17.636 |
| ai-jail | 353 | 44 | 83 | 41.666 |
| FrankYomik | 248 | 0 | 0 | 53.833 |
| frank_go | 220 | 3 | 1 | 16.725 |
| frank_investigator | 189 | 1 | 2 | 45.365 |
| FrankClaw | 189 | 3 | 2 | 69.114 |
| FrankSherlock | 121 | 2 | 8 | 48.930 |
| frank_karaoke | 102 | 4 | 0 | 10.465 |
| frank_fbi | 79 | 1 | 3 | 25.498 |
| FrankMega | 62 | 2 | 0 | 10.965 |
| clock-tui | 54 | 10 | 0 | 7.276 |
| frank_type | 49 | 3 | 2 | 9.815 |
| ghpending | 40 | 3 | 2 | 6.081 |
| frank_geary | 34 | 1 | 0 | 1.157 |
| tropicalruby-2026 | 30 | 0 | 0 | 2.201 |
| ai-memory-web | 22 | 1 | 0 | 9.775 |
| frank_scanlation | 21 | 0 | 0 | 8.904 |
| omarchy-games-menu | 17 | 0 | 0 | 6.951 |
| aitrepreneur-docker | 13 | 0 | 0 | 781 |
| google-calendar-tui | 12 | 0 | 1 | 3.956 |
| ai-jail-web | 10 | 0 | 0 | 2.887 |
| frank_lyrics | 9 | 0 | 0 | 2.346 |
| ai-toolkit-web | 3 | 0 | 0 | 2.778 |
| frank_bazaar | 1 | · | · | 1.769 |
A IA é um espelho. Se você é bom, ela te deixa dez vezes mais rápido. Se você é ruim, ela também te deixa dez vezes mais rápido, só que produzindo lixo.
Uma pasta, todos os agentes
As skills moram num repositório só. A pasta de skills de cada agente tem links simbólicos pra ele, então uma edição chega no Claude Code, Codex, OpenCode e Kimi de uma vez.
mkdir ~/Projects/my-skills/<name> # add a SKILL.mdfor h in ~/.claude/skills ~/.agents/skills ~/.codex/skills; do ln -s ~/Projects/my-skills/<name> "$h/<name>"doneOnde fica o resto do conhecimento
As skills cobrem procedimentos que se repetem sempre do mesmo jeito. Todo o resto fica em texto puro que os agentes conseguem ler.
Uma memória por projeto
O ai-memory guarda as decisões, armadilhas e handoffs de cada projeto. Uma sessão nova, em qualquer agente, começa dali.
AGENTS.md em todo lugar
Cada repositório tem suas próprias instruções: os comandos, os invariantes, os erros pra não repetir.
Aponte pra um exemplo vivo
"Faça um workflow de AUR igual ao do ai-memory" funciona melhor que uma skill sobre empacotamento no AUR, porque o exemplo está sempre atualizado.
Anote o que não virou código
Pesquisa, alternativas descartadas, o motivo por trás de uma decisão. Cada hora de pesquisa de um agente vira um documento que eu posso reaproveitar.
Tudo aqui é open source
As ferramentas, as skills e o benchmark são repositórios públicos. Faça um fork e monte a versão que encaixa no seu jeito de trabalhar.