☕ Um Café no Bellacosa Mainframe
SKILL.md
O JCL da Inteligência Artificial?
Como transformar prompts descartáveis em componentes reutilizáveis de IA
"Programadores COBOL nunca escreveram comandos repetidos quando podiam criar uma PROC. O SKILL.md segue exatamente essa filosofia."
O problema do Prompt Engineering
Hoje a maioria das pessoas trabalha assim:
Abre ChatGPT
↓
Escreve um prompt enorme
↓
Recebe resposta
↓
Fecha
↓
No dia seguinte...
Escreve tudo novamente
É praticamente isso.
Imagine um DBA que toda manhã tivesse que escrever novamente o JCL inteiro para executar o RUNSTATS.
Ninguém faria isso.
Criaria uma PROC.
Ou um CLIST.
Ou um REXX.
Ou um Script.
Ou um Pipeline.
Então por que fazemos isso com IA?
O nascimento do SKILL.md
A ideia do SKILL.md é simples.
Em vez de guardar conhecimento na cabeça...
...guardamos conhecimento em arquivos.
Esses arquivos descrevem exatamente:
quando executar
como executar
quais regras seguir
quais ferramentas usar
qual formato devolver
Ou seja...
não é um prompt.
É um módulo.
Pense como um programador COBOL
No COBOL existe:
COPYBOOK
Você escreve uma vez.
Depois reutiliza em centenas de programas.
O SKILL.md é praticamente o COPYBOOK da IA.
Outro exemplo.
No z/OS temos
PROC JCL
Em vez de copiar:
IEFBR14
DISP
SPACE
DCB
...
criamos
PROC
e chamamos:
//STEP EXEC PROC=BACKUP
O SKILL.md faz exatamente isso.
Em vez de escrever
Analise este código COBOL...
gere documentação...
explique...
crie testes...
faça HTML...
gere JSON...
você apenas chama
/documentar-cobol
E pronto.
O que realmente existe dentro de um SKILL.md?
A imagem resume isso muito bem.
Vamos aprofundar.
1 Nome
name:
É o identificador.
Exemplo
documentar-cobol
ou
analisar-jcl
ou
explicar-vsam
2 Description
Essa talvez seja a parte mais importante.
Ela não serve apenas para humanos.
Serve para a IA descobrir:
"quando devo usar este Skill?"
Exemplo.
Sempre que o usuário enviar um programa COBOL
e pedir documentação.
Observe.
Não é um prompt.
É um gatilho.
3 Instructions
Aqui mora o cérebro.
Exemplo.
1 Leia o código
2 Identifique variáveis
3 Gere fluxograma
4 Explique SQL
5 Explique CICS
6 Gere documentação
7 Gere Markdown
É praticamente um algoritmo.
4 Constraints
Muito importante.
Exemplo.
Nunca invente campos
Nunca altere lógica
Explique apenas o que existe
Sempre preserve comentários
Sem restrições...
a IA improvisa.
Com restrições...
ela fica previsível.
5 Output
Como devolver.
Exemplo.
Markdown
JSON
HTML
Tabela
Mermaid
Ascii Art
PlantUML
Isso elimina enorme parte da inconsistência.
Progressive Disclosure
Essa parte da imagem é excelente.
Ela mostra algo pouco conhecido.
A IA não precisa carregar tudo imediatamente.
Ela faz:
Stage 1
↓
Carrega apenas metadados
Depois
Stage 2
↓
Carrega instruções completas
Depois
Stage 3
↓
Busca scripts externos
Isso reduz consumo de contexto.
É parecido com paginação de memória.
Ou até mesmo:
Demand Paging
no z/OS.
Só carrega quando precisa.
Anatomia
A imagem resume assim:
name
description
instructions
Mas, na prática, um bom Skill costuma ter também:
Examples
References
Templates
Output
Validation
Error Handling
Scripts
Assets
Ou seja...
é quase um pequeno projeto.
Estrutura de diretórios
A imagem mostra algo como
.claude/
skills/
review-pr/
Dentro temos
SKILL.md
scripts/
references/
assets/
Isso é fantástico.
Porque aproxima IA da engenharia de software.
Não existe mais um prompt perdido.
Existe um componente organizado.
Um exemplo para Mainframe
Imagine:
skills/
analisar-cobol/
SKILL.md
copybooks/
templates/
scripts/
Dentro do Skill:
Receba um programa COBOL.
Explique:
Data Division
Working Storage
Linkage
File Section
Procedure Division
CICS
SQL
VSAM
Performance
Sugestões
Checklist
Fluxograma
Sempre igual.
Sempre consistente.
Outro exemplo
Imagine um Skill chamado
JCL Review
Quando alguém envia
//STEP01 EXEC PGM=IDCAMS
automaticamente a IA faz:
✔ verifica DISP
✔ verifica SPACE
✔ verifica UNIT
✔ verifica DCB
✔ verifica GDG
✔ verifica retorno
✔ identifica problemas
✔ sugere melhorias
Sem escrever prompt algum.
Outro exemplo
RACF Auditor
Entrada
Comandos RACF
Saída
Riscos
Boas práticas
Least Privilege
Violação
Explicação
Checklist
Normas IBM
Outro exemplo
Explicar Dump S0C7
Sempre devolvendo
Causa
Registro PSW
Offset
Hex
Instrução COBOL
Correção
Exemplo
Por que isso escala?
Porque agora existe padronização.
Imagine uma empresa.
Hoje.
100 desenvolvedores.
Cada um escreve prompts diferentes.
Resultados diferentes.
Qualidade diferente.
Agora imagine.
Todos usam
review-api
review-cobol
review-java
security
documentation
A empresa inteira produz praticamente no mesmo padrão.
Isso lembra muito...
Quem trabalha em Mainframe provavelmente percebeu.
SKILL.md lembra vários conceitos clássicos:
| Mainframe | Mundo IA |
|---|---|
| PROC | Skill |
| COPYBOOK | Skill compartilhado |
| CLIST | Skill |
| REXX | Skill com lógica |
| ISPF Panel | Interface para Skill |
| JCL Procedure | Reutilização |
| PARMLIB | Configuração |
| EXIT | Personalização |
| Macro Assembler | Template reutilizável |
Na verdade...
a filosofia é praticamente a mesma.
Skills × Config × MCP
A imagem também mostra essa diferença.
Skills
São capacidades.
Gerar documentação
Revisar código
Criar testes
Explicar erros
Converter formatos
São executadas sob demanda.
Configs
São comportamentos permanentes.
Exemplo.
Sempre responda em português.
Sempre seja objetivo.
Nunca gere código inseguro.
É equivalente às configurações globais do ambiente.
MCP
É outra camada completamente diferente.
MCP conecta IA a recursos externos.
Por exemplo:
GitHub
Jira
Confluence
PostgreSQL
Oracle
VSCode
Filesystem
AWS
IBM APIs
Enquanto um Skill ensina como pensar, o MCP fornece acesso ao mundo externo.
O futuro: IA Programável
A mensagem mais importante da imagem é esta:
"The shift is happening towards programmable AI systems."
Esse é realmente o movimento que está ganhando força.
A evolução pode ser vista em quatro fases:
2023
Prompt Engineering
↓
2024
Prompt Libraries
↓
2025
AI Agents
↓
2026+
Skills
MCP
Workflows
Memory
Ferramentas
Automação
Cada etapa reduz trabalho manual e aumenta a reutilização e a previsibilidade.
Como isso se aplica ao Bellacosa Mainframe
Esse conceito combina muito com o projeto Bellacosa Mainframe. Em vez de criar prompts longos para cada artigo ou análise, você pode construir uma biblioteca de Skills especializadas, por exemplo:
Artigo Bellacosa — gera artigos longos no seu estilo, com curiosidades, história, exemplos, SEO, FAQ e chamadas para ação.
Review COBOL — analisa código COBOL com foco em bancos brasileiros, boas práticas, legibilidade e performance.
Analisador JCL — valida DISP, SPACE, GDG, retornos, organização dos DDs e oportunidades de melhoria.
Explicador CICS — detalha COMMAREA, Channels/Containers, TSQ/TDQ, RESP/RESP2, BMS e tratamento de erros.
Gerador de Quiz — cria avaliações com diferentes níveis de dificuldade e gabarito comentado.
Criador de Laboratórios — produz exercícios práticos para Hercules, ADCD e ambientes IBM Z.
SEO Blogspot — gera meta description, marcadores, slug e estrutura otimizada para mecanismos de busca.
Cada Skill seria reutilizada inúmeras vezes, garantindo consistência em todos os seus conteúdos.
Conclusão
O SKILL.md representa uma mudança importante na forma de trabalhar com IA. O foco deixa de ser escrever prompts elaborados para cada interação e passa a ser a criação de componentes reutilizáveis, documentados e padronizados, muito semelhantes aos princípios que profissionais de mainframe já utilizam há décadas com COPYBOOKs, PROCs, CLISTs, REXX e módulos reutilizáveis.
No fim das contas, a lógica é familiar para qualquer desenvolvedor experiente:
Não copie conhecimento. Encapsule-o. Não repita instruções. Reutilize-as. Não trate a IA como uma calculadora. Trate-a como uma plataforma programável.
Essa mudança aproxima a Inteligência Artificial das boas práticas de engenharia de software e tende a tornar seu uso mais confiável, escalável e sustentável em ambientes corporativos — exatamente como aconteceu com a evolução do desenvolvimento no mundo IBM Z ao longo das últimas décadas.
