Skill de Diretrizes de Projeto (Exemplo)

Este é um exemplo de skill específico de projeto. Use como template para seus próprios projetos.

Baseado em uma aplicação real em produção: Zenith - plataforma de descoberta de clientes com IA.

---

Quando Usar

Consulte este skill ao trabalhar no projeto específico para o qual foi projetado. Skills de projeto contêm:

• Visão geral da arquitetura
• Estrutura de arquivos
• Padrões de código
• Requisitos de testes
• Workflow de deployment

---

Visão Geral da Arquitetura

Stack de Tecnologias:

• Frontend: Next.js 15 (App Router), TypeScript, React
• Backend: FastAPI (Python), modelos Pydantic
• Banco de Dados: Supabase (PostgreSQL)
• IA: Claude API com tool calling e structured output
• Deployment: Google Cloud Run
• Testes: Playwright (E2E), pytest (backend), React Testing Library

Serviços:

┌─────────────────────────────────────────────────────────────┐
│                         Frontend                            │
│  Next.js 15 + TypeScript + TailwindCSS                     │
│  Deployed: Vercel / Cloud Run                              │
└─────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                         Backend                             │
│  FastAPI + Python 3.11 + Pydantic                          │
│  Deployed: Cloud Run                                       │
└─────────────────────────────────────────────────────────────┘
                              │
              ┌───────────────┼───────────────┐
              ▼               ▼               ▼
        ┌──────────┐   ┌──────────┐   ┌──────────┐
        │ Supabase │   │  Claude  │   │  Redis   │
        │ Database │   │   API    │   │  Cache   │
        └──────────┘   └──────────┘   └──────────┘

---

Estrutura de Arquivos

project/
├── frontend/
│   └── src/
│       ├── app/              # Páginas do app router Next.js
│       │   ├── api/          # Rotas de API
│       │   ├── (auth)/       # Rotas protegidas por autenticação
│       │   └── workspace/    # Workspace principal da app
│       ├── components/       # Componentes React
│       │   ├── ui/           # Componentes base de UI
│       │   ├── forms/        # Componentes de formulário
│       │   └── layouts/      # Componentes de layout
│       ├── hooks/            # Custom React hooks
│       ├── lib/              # Utilitários
│       ├── types/            # Definições TypeScript
│       └── config/           # Configuração
│
├── backend/
│   ├── routers/              # Handlers de rotas FastAPI
│   ├── models.py             # Modelos Pydantic
│   ├── main.py               # Entrada da app FastAPI
│   ├── auth_system.py        # Autenticação
│   ├── database.py           # Operações de banco de dados
│   ├── services/             # Lógica de negócio
│   └── tests/                # Testes pytest
│
├── deploy/                   # Configurações de deployment
├── docs/                     # Documentação
└── scripts/                  # Scripts utilitários

---

Padrões de Código

Formato de Resposta da API (FastAPI)

from pydantic import BaseModel
from typing import Generic, TypeVar, Optional

T = TypeVar('T')

class ApiResponse(BaseModel, Generic[T]):
    success: bool
    data: Optional[T] = None
    error: Optional[str] = None

    @classmethod
    def ok(cls, data: T) -> "ApiResponse[T]":
        return cls(success=True, data=data)

    @classmethod
    def fail(cls, error: str) -> "ApiResponse[T]":
        return cls(success=False, error=error)

Chamadas de API no Frontend (TypeScript)

interface ApiResponse<T> {
  success: boolean
  data?: T
  error?: string
}

async function fetchApi<T>(
  endpoint: string,
  options?: RequestInit
): Promise<ApiResponse<T>> {
  try {
    const response = await fetch(`/api${endpoint}`, {
      ...options,
      headers: {
        'Content-Type': 'application/json',
        ...options?.headers,
      },
    })

    if (!response.ok) {
      return { success: false, error: `HTTP ${response.status}` }
    }

    return await response.json()
  } catch (error) {
    return { success: false, error: String(error) }
  }
}

Integração com IA Claude (Structured Output)

from anthropic import Anthropic
from pydantic import BaseModel

class AnalysisResult(BaseModel):
    summary: str
    key_points: list[str]
    confidence: float

async def analyze_with_claude(content: str) -> AnalysisResult:
    client = Anthropic()

    response = client.messages.create(
        model="claude-sonnet-4-5-20250514",
        max_tokens=1024,
        messages=[{"role": "user", "content": content}],
        tools=[{
            "name": "provide_analysis",
            "description": "Provide structured analysis",
            "input_schema": AnalysisResult.model_json_schema()
        }],
        tool_choice={"type": "tool", "name": "provide_analysis"}
    )

    # Extract tool use result
    tool_use = next(
        block for block in response.content
        if block.type == "tool_use"
    )

    return AnalysisResult(**tool_use.input)

Custom Hooks (React)

import { useState, useCallback } from 'react'

interface UseApiState<T> {
  data: T | null
  loading: boolean
  error: string | null
}

export function useApi<T>(
  fetchFn: () => Promise<ApiResponse<T>>
) {
  const [state, setState] = useState<UseApiState<T>>({
    data: null,
    loading: false,
    error: null,
  })

  const execute = useCallback(async () => {
    setState(prev => ({ ...prev, loading: true, error: null }))

    const result = await fetchFn()

    if (result.success) {
      setState({ data: result.data!, loading: false, error: null })
    } else {
      setState({ data: null, loading: false, error: result.error! })
    }
  }, [fetchFn])

  return { ...state, execute }
}

---

Requisitos de Testes

Backend (pytest)

# Executar todos os testes
poetry run pytest tests/

# Executar com cobertura
poetry run pytest tests/ --cov=. --cov-report=html

# Executar arquivo de teste específico
poetry run pytest tests/test_auth.py -v

Estrutura de testes:

import pytest
from httpx import AsyncClient
from main import app

@pytest.fixture
async def client():
    async with AsyncClient(app=app, base_url="http://test") as ac:
        yield ac

@pytest.mark.asyncio
async def test_health_check(client: AsyncClient):
    response = await client.get("/health")
    assert response.status_code == 200
    assert response.json()["status"] == "healthy"

Frontend (React Testing Library)

# Executar testes
npm run test

# Executar com cobertura
npm run test -- --coverage

# Executar testes E2E
npm run test:e2e

Estrutura de testes:

import { render, screen, fireEvent } from '@testing-library/react'
import { WorkspacePanel } from './WorkspacePanel'

describe('WorkspacePanel', () => {
  it('renders workspace correctly', () => {
    render(<WorkspacePanel />)
    expect(screen.getByRole('main')).toBeInTheDocument()
  })

  it('handles session creation', async () => {
    render(<WorkspacePanel />)
    fireEvent.click(screen.getByText('New Session'))
    expect(await screen.findByText('Session created')).toBeInTheDocument()
  })
})

---

Workflow de Deployment

Checklist Pré-Deployment

• Todos os testes passando localmente
• npm run build bem-sucedido (frontend)
• poetry run pytest passando (backend)
• Sem secrets hardcoded
• Variáveis de ambiente documentadas
• Migrações de banco de dados prontas

Comandos de Deployment

# Compilar e fazer deploy do frontend
cd frontend && npm run build
gcloud run deploy frontend --source .

# Compilar e fazer deploy do backend
cd backend
gcloud run deploy backend --source .

Variáveis de Ambiente

# Frontend (.env.local)
NEXT_PUBLIC_API_URL=https://api.example.com
NEXT_PUBLIC_SUPABASE_URL=https://xxx.supabase.co
NEXT_PUBLIC_SUPABASE_ANON_KEY=eyJ...

# Backend (.env)
DATABASE_URL=postgresql://...
ANTHROPIC_API_KEY=sk-ant-...
SUPABASE_URL=https://xxx.supabase.co
SUPABASE_KEY=eyJ...

---

Regras Críticas

1. Sem emojis em código, comentários ou documentação
2. Imutabilidade - nunca mutue objetos ou arrays
3. TDD - escreva testes antes da implementação
4. Cobertura mínima 80%
5. Muitos arquivos pequenos - típico 200-400 linhas, máximo 800
6. Sem console.log em código de produção
7. Tratamento apropriado de erros com try/catch
8. Validação de entrada com Pydantic/Zod

---

Skills Relacionadas

• coding-standards.md - Práticas gerais de codificação
• backend-patterns.md - Padrões de API e banco de dados
• frontend-patterns.md - Padrões de React e Next.js
• tdd-workflow/ - Metodologia de desenvolvimento orientado por testes