Skill v1.0.0

currentAutomated scan100/100

majiayu000/claude-skill-registry/reference-indexer-arbgjr-smart-alarm

──Details

PublishedApril 29, 2026 at 10:03 AM

Content Hashsha256:d4d5d7f829d7f6f8...

Git SHA30ed1b1de78f

──Files

Files (1 file, 4.5 KB)

SKILL.md4.5 KBactive

SKILL.md · 248 lines · 4.5 KB

version: "1.0.0" name: reference-indexer description: | Indexa documentos de referencia para uso no RAG. Extrai texto de PDFs, processa e adiciona ao corpus. Use quando: adicionar documento, buscar referencia, listar docs. allowed-tools:

Read
Write
Bash
Glob

user-invocable: true

Reference Indexer Skill

Proposito

Esta skill gerencia documentos de referencia externa, indexando-os para uso no RAG.

Comandos

/ref-add {path}

Adiciona documento ao indice de referencias:

bash

/ref-add .agentic_sdlc/references/legal/lei-13775-2018.pdf

Acoes:

Valida o arquivo
Extrai texto (se PDF/Word)
Cria resumo automatico
Adiciona ao corpus RAG
Atualiza indice

/ref-search {query}

Busca nos documentos de referencia:

bash

/ref-search "prazo de aceite duplicata"

Retorna:

Documentos relevantes
Trechos com contexto
Score de relevancia

/ref-list

Lista todos os documentos indexados:

bash

/ref-list

Mostra:

Documentos por categoria
Status de indexacao
Data de adicao

/ref-remove {path}

Remove documento do indice:

bash

/ref-remove .agentic_sdlc/references/legal/documento-antigo.pdf

Formatos Suportados

Formato	Extensao	Metodo de Extracao
PDF	.pdf	pdftotext / PyPDF2
Word	.docx	python-docx
Markdown	.md	Direto
Texto	.txt	Direto
HTML	.html	BeautifulSoup

Estrutura de Referencias

.agentic_sdlc/references/
├── legal/              # Leis, regulamentos, normas
├── technical/          # RFCs, especificacoes tecnicas
├── business/           # Regras de negocio, manuais
├── internal/           # Documentos internos
└── _index.yml          # Indice de documentos

Indice de Documentos

Arquivo _index.yml:

yaml

index:
  version: 1
  updated_at: "2026-01-12T..."
 
documents:
  - id: "ref-001"
    path: "legal/lei-13775-2018.pdf"
    title: "Lei 13.775/2018 - Duplicatas Eletrônicas"
    category: legal
    added_at: "2026-01-12T..."
    indexed: true
    summary: "Lei que regulamenta as duplicatas escriturais..."
    keywords:
      - duplicata
      - escritural
      - eletronica
    page_count: 5
 
  - id: "ref-002"
    path: "technical/icp-brasil.pdf"
    title: "Padrões ICP-Brasil"
    category: technical
    added_at: "2026-01-12T..."
    indexed: true

Extracao de Texto

PDF

bash

# Usando pdftotext (poppler-utils)
pdftotext -layout input.pdf output.txt
 
# Usando Python
python3 << 'EOF'
import PyPDF2
 
with open('input.pdf', 'rb') as f:
    reader = PyPDF2.PdfReader(f)
    text = ''
    for page in reader.pages:
        text += page.extract_text() + '\n'
    print(text)
EOF

Word (docx)

python

from docx import Document
doc = Document('input.docx')
text = '\n'.join([p.text for p in doc.paragraphs])
print(text)

Integracao com RAG

Documentos indexados sao adicionados ao corpus RAG:

yaml

corpus_entry:
  id: "ref-001"
  source: "references/legal/lei-13775-2018.pdf"
  type: "reference"
  category: "legal"
  content: "{texto extraido}"
  embeddings: [...]  # Gerado pelo RAG
  metadata:
    title: "Lei 13.775/2018"
    page: 1
    section: "Art. 1"

Workflow de Indexacao

yaml

indexing_workflow:
  1_validate:
    - Verificar formato suportado
    - Verificar tamanho (max 50MB)
    - Verificar permissoes
 
  2_extract:
    - Extrair texto do documento
    - Limpar formatacao
    - Dividir em chunks
 
  3_analyze:
    - Gerar resumo automatico
    - Extrair keywords
    - Classificar categoria
 
  4_index:
    - Adicionar ao corpus RAG
    - Gerar embeddings
    - Atualizar indice
 
  5_verify:
    - Testar busca
    - Verificar qualidade

Configuracao

No settings.json:

json

{
  "memory": {
    "rag_corpus": ".agentic_sdlc/corpus",
    "max_document_size_mb": 50,
    "chunk_size": 1000,
    "chunk_overlap": 200
  }
}

Boas Praticas

Nomeie arquivos descritivamente: lei-13775-2018-duplicatas.pdf
Organize por categoria: legal, technical, business
Mantenha versoes: Nao sobrescreva, versione
Documente a fonte: Adicione de onde veio
Resuma docs longos: Crie resumos para PDFs grandes

Troubleshooting

PDF nao extrai texto

Alguns PDFs sao imagens escaneadas. Use OCR:

bash

ocrmypdf input.pdf output.pdf
pdftotext output.pdf -

Documento muito grande

Divida em partes menores ou aumente max_document_size_mb.

Encoding incorreto

Force UTF-8 na extracao:

bash

pdftotext -enc UTF-8 input.pdf output.txt

All versions