01
Hipótese
Context engineering não é prompt engineering. É engenharia de sistemas para agentes de IA. O dado que motivou o experimento: 76% do contexto carregado em LLMs é ignorado (CL-Bench). Você não está escrevendo prompt de menos. Está sobrecarregando.
A pergunta: compilar 14 fontes de pesquisa em um squad coeso produz algo que funciona melhor do que cada fonte isolada?
02
Método
Fusão pelo pipeline Squad Supreme. 14 fontes ingeridas por 4 agentes em paralelo. Arquitetura: 9 agentes, 8 skills e 6 workflows. Princípio de design: "agentes pensam, skills executam". Menos agentes, mais poder por agente.
7 ciclos de construção: fundação, agentes por camada (ciclos 2 a 4), skills executáveis, workflows e scripts, e validação contra os 6 portões de qualidade.
03
Resultado
34 arquivos. 7.781 linhas. Nota 87/100. 19 antipadrões catalogados e deduplicados. 4 patologias de contexto validadas por um estudo com Gemini 2.5: envenenamento, distração, confusão e conflito. 2 scripts Python incluídos para diagnóstico e validação automáticos.
A descoberta mais relevante: "agentes pensam, skills executam" é mais elegante e mais poderoso do que fazer tudo com agentes. Cada agente carrega seus frameworks completos, sem referências externas. Preço definido: US$ 34,90.
04
O que mudou
O squad virou o primeiro produto real no marketplace squads.sh. Compilar fontes diversas em um sistema coeso provou que densidade supera quantidade. O padrão ficou definido: "nosso nome está em jogo, qualidade de obra-prima". Esse padrão governa todos os squads seguintes.