1:18:41
youtube.com 04/05/2026 SRT AI Videos

Skill Issue: How We Used AI to Make Agents Actually Good at Supabase — Pedro Rodrigues, Supabase

Desenvolvedores usam inteligência artificial para aprimorar agentes no Supabase.

Agentes de IA GitHub Tecnologia Agent Skills

Conteudo

TLDR;

Pedro e a equipe usaram IA para escrever "skills" — pastas com skill.md, arquivos de referência e scripts — que fornecem contexto e ações específicas para tornar os agentes mais eficazes no ecossistema Supabase. Skills são pacotes que usam um front matter carregado inicialmente (progressive disclosure) e referências/scripts adicionais para dar contexto progressivo e ferramentas que o agente pode acionar quando necessário. O processo descrito envolve criar e testar skills manualmente, automatizar a validação com avaliações e combinar skills com MCP/tools ou scripts conforme o ambiente para integração e produção.

Resumo

Pedro, engenheiro de ferramentas de IA na Supabase, abriu o workshop rebatizado de “Level up your skills” (o título original “skill issue” ficará para a palestra magna de amanhã) explicando que, nos últimos dois meses, escreveu skills para a plataforma e que amanhã apresentará lições de produção. Ele mencionou que a apresentação roda localmente em modo escuro e deu um panorama técnico: skills são pastas com um arquivo principal skill.md — contendo front matter com nome e descrição — e arquivos de referência (markdown, scripts, bash, Python) que funcionam como capítulos de um livro, permitindo um grafo de referências. O conceito-chave é disclosure progressivo: só o front matter é carregado inicialmente no contexto do agente, e o restante é solicitado conforme necessário. Pedro diferenciou skills, scripts e ferramentas MCP, recomendando usar ambos quando apropriado: MCP para integrações e ferramentas remotas sem dependência de ambiente; scripts para ações locais vinculadas ao sistema operacional; skills para prover contexto, workflows e documentação extensa. O workshop mostrará como escrever, testar manualmente e automatizar testes com avaliações; terá demonstração em modo walkthrough, repositório no GitHub e chance para perguntas. Haverá interação com a audiência, exemplos práticos e link para o repositório com material de apoio.