agentsclimarketplace

Lancar

Skill wendelcastro/fluxo-engenharia-ia/skills/lancar

Prepara lançamentos para produção. Use quando o usuário for fazer deploy em produção, precisar de um checklist pré-lançamento, for configurar monitoramento, planejar um rollout gradual ou precisar de uma estratégia de rollback.From its SKILL.md

Install
npx -y skills add wendelcastro/fluxo-engenharia-ia --skill lancar

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

9.1 KB, ~2.5k tokens by cl100k_base, as published. Nobody here has run it

Lançamento

Visão geral

Lance com confiança. O objetivo não é apenas fazer deploy — é fazer deploy com segurança, com monitoramento no lugar, plano de rollback pronto e entendimento claro do que é sucesso. Todo lançamento deve ser reversível, observável e incremental.

Quando usar

  • Ao levar uma funcionalidade a produção pela primeira vez
  • Ao liberar uma mudança significativa para os usuários
  • Ao migrar dados ou infraestrutura
  • Ao abrir um programa de beta ou acesso antecipado
  • Em qualquer deploy que carregue risco (ou seja, todos)

Quando NÃO usar: para escrever a instrumentação que alimenta o monitoramento, use antes a skill observabilidade; para registrar as decisões da versão, use a skill documentar.

O fluxo

1. Checklist pré-lançamento

Qualidade de código

  • Todos os testes passam (unitários, integração, e2e)
  • Build sem warnings; lint e checagem de tipos passam
  • Código revisado e aprovado
  • Nenhum TODO pendente que deveria ser resolvido antes do lançamento
  • Nenhum console.log de depuração em código de produção
  • Tratamento de erros cobre os modos de falha esperados

Segurança — leia referencias/seguranca.md somente quando chegar nesta etapa. Mínimo: sem segredos no código, npm audit sem vulnerabilidades críticas/altas, validação de entrada em todos os endpoints, autenticação/autorização no lugar, headers de segurança, rate limiting em autenticação, CORS restrito a origens específicas.

Performance — leia referencias/performance.md somente quando chegar nesta etapa. Mínimo: Core Web Vitals na faixa "Boa", sem consultas N+1 em caminhos críticos, imagens otimizadas, bundle dentro do orçamento, índices e cache configurados.

Acessibilidade — leia referencias/acessibilidade.md somente quando chegar nesta etapa. Mínimo: navegação por teclado completa, leitor de tela funcional, contraste WCAG 2.1 AA, gestão de foco em modais, sem alertas no axe-core/Lighthouse.

Infraestrutura

  • Variáveis de ambiente configuradas em produção
  • Migrações de banco aplicadas (ou prontas para aplicar)
  • DNS, SSL e CDN configurados
  • Logging e relatório de erros configurados
  • Endpoint de health check existe e responde

Documentação

  • README, documentação de API e changelog atualizados
  • ADRs escritos para as decisões arquiteturais (veja a skill documentar)
  • Documentação voltada ao usuário atualizada (se aplicável)

O piso de tudo isso é a Definição de Pronto do projeto — veja referencias/definicao-de-pronto.md.

2. Estratégia de feature flags

Lance atrás de feature flags para desacoplar deploy de release:

const flags = await getFeatureFlags(userId);

if (flags.taskSharing) {
  // Funcionalidade nova: compartilhamento de tarefas
  return <TaskSharingPanel task={task} />;
}
return null; // Padrão: comportamento existente

Ciclo de vida da flag:

1. DEPLOY com flag OFF        → código em produção, mas inativo
2. ATIVAR para time/beta      → teste interno no ambiente de produção
3. ROLLOUT GRADUAL            → 5% → 25% → 50% → 100% dos usuários
4. MONITORAR em cada etapa    → taxa de erro, performance, feedback
5. LIMPAR                     → remover flag e código morto após rollout completo

Regras: toda flag tem dono e data de expiração; limpe flags em até 2 semanas após o rollout completo; não aninhe flags (combinações exponenciais); teste os dois estados (on e off) no CI.

3. Rollout em etapas

1. DEPLOY em staging          → suíte completa + smoke test manual dos fluxos críticos
2. DEPLOY em produção (OFF)   → verificar health check e monitoramento de erros
3. ATIVAR para o time         → uso interno em produção, janela de 24h
4. CANÁRIO (5% dos usuários)  → comparar métricas canário vs. baseline, 24–48h
                              → avance apenas se todos os limiares passarem
5. AUMENTO GRADUAL            → 25% → 50% → 100%, mesmo monitoramento em cada passo
6. ROLLOUT COMPLETO           → monitorar por 1 semana, limpar a feature flag

Limiares de decisão em cada etapa:

MétricaAvançar (verde)Segurar e investigar (amarelo)Rollback (vermelho)
Taxa de erroAté 10% acima do baseline10–100% acima>2x o baseline
Latência p95Até 20% acima do baseline20–50% acima>50% acima
Erros de JS no clienteNenhum tipo novo de erroErros novos em <0,1% das sessõesErros novos em >0,1% das sessões
Métricas de negócioNeutras ou positivasQueda <5% (pode ser ruído)Queda >5%

Faça rollback imediatamente se: taxa de erro >2x o baseline, latência p95 >50% acima, pico de reclamações de usuários, problemas de integridade de dados ou vulnerabilidade de segurança descoberta.

4. Monitoramento

Monitore três camadas — a instrumentação vem da skill observabilidade:

  • Aplicação: taxa de erro (total e por endpoint), tempo de resposta (p50/p95/p99), volume de requisições, usuários ativos, métricas-chave de negócio
  • Infraestrutura: CPU e memória, pool de conexões do banco, disco, latência de rede, profundidade de fila
  • Cliente: Core Web Vitals (LCP, INP, CLS), erros de JavaScript, taxa de erro de API vista do cliente, tempo de carregamento

Configure relatório de erros nos dois lados: error boundary no cliente reportando ao serviço de rastreamento, e middleware de erro no servidor que reporta internamente mas devolve ao usuário apenas um erro genérico ({ code: 'INTERNAL_ERROR' }), nunca stack traces ou detalhes internos.

Verificação pós-lançamento (primeira hora):

1. Health check retorna 200
2. Painel de erros sem tipos novos de erro
3. Painel de latência sem regressão
4. Fluxo crítico do usuário testado manualmente
5. Logs fluindo e legíveis
6. Mecanismo de rollback confirmado (dry run se possível)

5. Estratégia de rollback

Todo deploy precisa de um plano de rollback escrito ANTES de acontecer:

## Plano de rollback para [funcionalidade/versão]

### Condições de gatilho
- Taxa de erro > 2x o baseline
- Latência p95 > [X]ms
- Relatos de usuários sobre [problema específico]

### Passos
1. Desativar a feature flag (se aplicável)
   OU
1. Fazer deploy da versão anterior: `git revert <commit> && git push`
2. Verificar o rollback: health check, monitoramento de erros
3. Comunicar: avisar o time sobre o rollback

### Considerações de banco de dados
- A migração [X] tem rollback: `npx prisma migrate rollback`
- Dados inseridos pela funcionalidade nova: [preservados / limpos]

### Tempo estimado
- Feature flag: < 1 minuto | Redeploy da versão anterior: < 5 minutos | Rollback de banco: < 15 minutos

Racionalizações comuns

RacionalizaçãoRealidade
"Funciona em staging, vai funcionar em produção"Produção tem outros dados, padrões de tráfego e casos de borda. Monitore após o deploy.
"Não precisamos de feature flag para isso"Toda funcionalidade se beneficia de um botão de desligar. Até mudanças "simples" quebram coisas.
"Monitoramento é sobrecarga"Sem monitoramento, você descobre problemas por reclamação de usuário em vez de por dashboard.
"Adicionamos monitoramento depois"Adicione antes do lançamento. Você não depura o que não enxerga.
"Fazer rollback é admitir fracasso"Rollback é engenharia responsável. Manter uma funcionalidade quebrada no ar é que é o fracasso.

Sinais de alerta

  • Deploy sem plano de rollback
  • Sem monitoramento nem relatório de erros em produção
  • Releases big-bang (tudo de uma vez, sem staging)
  • Feature flags sem expiração nem dono
  • Ninguém monitorando o deploy na primeira hora
  • Configuração do ambiente de produção feita de memória, não como código
  • "É sexta-feira à tarde, bora lançar"

Portão de aprovação

Apresente: o checklist pré-lançamento preenchido (com o status de cada seção), o plano de rollout em etapas com os limiares, e o plano de rollback documentado. O humano aprova: a decisão de ir para produção (go/no-go), o cronograma do rollout gradual e as condições de gatilho do rollback. Só execute o deploy após aprovação explícita — e reapresente os números ao humano antes de cada avanço de percentual do rollout.

Verificação

Antes do deploy:

  • Checklist pré-lançamento completo (todas as seções verdes)
  • Feature flag configurada (se aplicável)
  • Plano de rollback documentado
  • Dashboards de monitoramento prontos
  • Time avisado do deploy

Depois do deploy:

  • Health check retorna 200
  • Taxa de erro normal e latência normal
  • Fluxo crítico do usuário funciona
  • Logs fluindo
  • Rollback testado ou confirmado como pronto

What ships with it

Read from the repository

Just SKILL.md. No reference files, no scripts.

Keep looking

Skills are one crate of 610,045. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.