Content Eval: pontue ideias antes de montar o calendário

ANÁLISE EDITORIAL

Content Eval é uma Skill para transformar sinais dispersos em uma fila de ideias de conteúdo. Ela reúne material de transcrições, reuniões, chamadas comerciais, tendências e análise de concorrentes, gera propostas para diferentes formatos e aplica sete perspectivas de pontuação antes de montar um calendário de quatro semanas.

O nome exige cuidado. Os sete avaliadores são papéis simulados pelo próprio agente, não sete especialistas humanos. As notas não medem demanda real, não preveem visualizações e não comprovam potencial de conversão. A utilidade está em tornar critérios explícitos, comparar ideias sob a mesma rubrica e registrar por que uma proposta entrou ou saiu da fila.

O que esta Skill faz de verdade

O fluxo começa coletando matéria-prima autorizada. A Skill sugere procurar episódios recentes de podcast, notas de reunião, padrões de objeções em chamadas comerciais, assuntos indicados pelo usuário e sinais de concorrentes. Em seguida, ela tenta extrair temas, perguntas, lacunas, experiências próprias e ângulos que possam sustentar uma peça.

Se não houver análise competitiva pronta, o documento propõe consultar uma ferramenta de análise do YouTube. Essa integração não acompanha o pacote. Quando a ferramenta não está disponível, a instrução correta é pular a etapa e declarar a ausência, não fabricar tendências, canais, médias de audiência ou lacunas de mercado.

Depois da coleta, o agente gera entre 20 e 30 ideias distribuídas por vídeo longo, vídeo curto e artigo. Cada proposta precisa apontar título, descrição, formato, pilar editorial e sinal de origem. A Skill também manda comparar o ângulo com os últimos 30 dias de publicações para matar repetição ou registrar uma diferença material.

A etapa central aplica sete lentes: força do gancho, adequação ao algoritmo, coerência com a marca do fundador, interesse do comprador B2B, diferenciação, adaptação para vídeos curtos e potencial de debate. Cada papel atribui uma nota de 0 a 100. A média mínima sugerida é 85. Ideias aprovadas entram em ordem; as demais vão para uma lista de descarte com o principal motivo.

Para quem serve

Serve a criadores, equipes de marketing, produtores de vídeo, operações de conteúdo e empresas B2B que já têm pilares claros e precisam decidir o que produzir primeiro. É especialmente útil quando existem muitas anotações e poucos critérios compartilhados para converter esse acervo em uma pauta semanal.

Ela não substitui pesquisa de público, entrevistas, dados de busca, analytics, testes de título ou decisão editorial. Também não é uma auditoria de qualidade do texto pronto. A Audit Website AEO verifica sinais de páginas públicas com um crawler. A Customer Research organiza evidências da voz do cliente. Content Eval recebe sinais já autorizados e os converte em hipóteses de pauta, pontuação simulada e agenda de produção.

O melhor uso é como mesa de triagem. Uma pessoa continua responsável por confirmar fatos, avaliar sensibilidade, ajustar esforço, equilibrar formatos e decidir se a ideia merece produção.

Compatibilidade e pré-requisitos

O README fixado afirma compatibilidade com Claude Code ou outro agente de programação. A parte principal é baseada em prompt e o requirements.txt declara que não há dependência Python obrigatória para o fluxo.

Isso não garante ativação automática em qualquer cliente. O SKILL.md upstream começa com um preâmbulo de comandos e só depois apresenta name e description. A especificação pública de Agent Skills espera frontmatter YAML no início do arquivo. Clientes estritos podem rejeitar ou ignorar a Skill. Preserve o original, teste o parser do seu cliente e só adapte uma cópia depois de revisar o diff.

• Um agente capaz de ler SKILL.md e referências Markdown.
• Pilares editoriais, público, formatos e regras de voz definidos.
• Material de origem autorizado e com dados pessoais removidos.
• Inventário recente do conteúdo já publicado para deduplicação.
• Ferramenta competitiva opcional, com acesso aprovado e método conhecido.
• Responsável humano para revisar notas, esforço e agenda.

Instalação recomendada

Comece pelo download documental do Bastidores em uma pasta de teste. O ZIP contém exatamente dez arquivos: SKILL.md, README.md, requirements.txt, quatro referências, telemetry/README.md, LICENSE e ORIGEM.md. Ele não inclui scripts Python, ferramentas do YouTube, integrações do Google Workspace, outras Skills, dependências, executáveis, transcrições, notas, chamadas, dados pessoais, credenciais ou segredos.

Para comparar com a origem, clone o repositório oficial e fixe o commit auditado:

git clone https://github.com/ericosiu/ai-marketing-skills.git
git -C ai-marketing-skills checkout 502336b416004765b4d37af65a1a00d759be689d

Clonar o repositório inteiro traz outras Skills e scripts de telemetria. Não execute o preâmbulo por reflexo. Compare o diretório content-eval, leia os arquivos e copie somente o escopo aprovado para o local aceito pelo seu cliente.

Configuração antes do primeiro uso

As referências fornecidas são exemplos voltados a uma empresa B2B de marketing. O arquivo de pilares fala em plataforma unificada, entrega incorporada e multiplicação de produtividade. Os canais concorrentes são placeholders como @channel1. As regras de voz priorizam exemplos próprios, dados verificáveis e ângulos não genéricos. Nada disso deve ser tratado como configuração universal.

Edite uma cópia de references/pillars.md com três pilares realmente usados pela sua operação. Em competitors.md, inclua somente canais cuja consulta esteja autorizada e cuja comparação seja relevante. Em voice-rules.md, registre exemplos aceitos, padrões proibidos e a janela de deduplicação. Em panel.md, defina o que cada nota significa e quais evidências podem sustentá-la.

Defina também uma lista explícita de fontes permitidas. Uma pasta de transcrições não autoriza a leitura de todo o disco. Uma integração de reuniões não autoriza coletar conversas privadas. Uma plataforma de chamadas não autoriza exportar gravações. Prefira um conjunto pequeno, higienizado e copiado para uma pasta de trabalho exclusiva.

Primeiro uso seguro

Não comece liberando todas as fontes. Use o modo de sobrescrita manual descrito pelo mantenedor e entregue três ideias já redigidas, acompanhadas de público, pilar e evidência disponível. Peça ao agente para aplicar as sete lentes, mostrar cada justificativa e separar observação de suposição.

Avalie estas três ideias com a rubrica Content Eval.
Não pesquise fora deste arquivo.
Para cada nota, cite a evidência fornecida ou marque "sem evidência".
Não monte calendário nem envie o resultado a outro serviço.

Antes de ativar, confira o preâmbulo do SKILL.md. Ele tenta executar telemetry/version_check.py e telemetry/telemetry_init.py. Esses scripts não estão no ZIP do Bastidores. Os comandos usam || true, portanto tendem a falhar sem interromper em shell compatível. Em ambientes sem essa semântica, remova ou desative o preâmbulo apenas em uma cópia revisada.

Como o fluxo deve funcionar

1. Confirmar objetivo, público, formatos, prazo e pessoa responsável pela decisão.
2. Fixar commit da Skill e registrar a configuração usada.
3. Selecionar somente fontes autorizadas e remover dados desnecessários.
4. Resumir os sinais com referência ao arquivo, reunião ou observação de origem.
5. Se a análise competitiva não existir, declarar a lacuna ou executá-la sob autorização separada.
6. Gerar ideias ligadas aos pilares e guardar o sinal que inspirou cada uma.
7. Comparar com o conteúdo publicado nos últimos 30 dias.
8. Aplicar as sete lentes, registrar justificativas e marcar ausência de evidência.
9. Revisar esforço, risco, sensibilidade e disponibilidade antes de ordenar.
10. Montar uma agenda provisória e submetê-la à aprovação humana.

A média aritmética não resolve conflitos entre critérios. Uma pauta pode ter bom gancho e alto risco jurídico. Outra pode servir ao público, mas exigir dados que a equipe não possui. Trate segurança, veracidade e autorização como gates, não como dimensões que uma nota alta consegue compensar.

Resultado esperado

A entrega prevista inclui resumo executivo, lacunas competitivas, ideias aprovadas com tabelas de notas, calendário de quatro semanas, lista de descarte e resumo das fontes usadas. O resultado deve permitir que outra pessoa entenda de onde veio cada ideia, qual critério pesou e o que ainda precisa ser confirmado.

Um bom resultado diz: “a ideia foi priorizada porque responde a três perguntas repetidas em entrevistas autorizadas, mas a demanda de busca não foi verificada”. Um resultado ruim diz: “sete especialistas confirmaram que será viral”. O primeiro preserva limite e rastreabilidade. O segundo transforma simulação em autoridade inexistente.

A agenda também é uma proposta, não um compromisso automático. Disponibilidade de pessoas, direitos sobre material, atualidade da pauta, custo de produção e revisão factual podem mudar a ordem.

Permissões, privacidade e riscos

O fluxo pode tocar conteúdo sensível: transcrições, notas de reunião, objeções comerciais, nomes de clientes, métricas internas e análises de concorrentes. Conceda acesso por arquivo ou pasta de trabalho, nunca por uma raiz ampla. Remova nomes, contatos, contratos, segredos comerciais e identificadores quando não forem necessários.

O repositório completo inclui telemetria local e opção de envio remoto. O documento de telemetria fixado informa registro local de uso e consentimento para envio. O ZIP do Bastidores não redistribui nenhum script de telemetria. Ainda assim, quem instalar o repositório completo deve ler o código, recusar o opt-in se não quiser envio e decidir se o registro local é aceitável.

A etapa opcional de análise competitiva pode consultar serviços externos e gerar termos de uso, cobrança ou coleta de dados. A exportação para Google Docs e o envio a canal de equipe também são ações externas. Cada uma exige conexão, escopo e aprovação próprios.

Erros comuns

Apresentar os papéis como pessoas. O painel é uma rubrica simulada pelo agente. Não use nomes, credenciais ou consenso humano inexistentes.

Confundir nota com previsão. Um 90 não significa 90% de chance de sucesso. É apenas a aplicação de critérios definidos no prompt.

Usar placeholders como configuração. Pilares genéricos e canais fictícios produzem avaliações sem vínculo com a operação.

Inventar dados de algoritmo. Sem fonte de analytics ou pesquisa autorizada, o agente não conhece CTR, demanda, média do canal ou probabilidade de recomendação.

Dar acesso amplo às reuniões. A conveniência não justifica ler conversas, pastas ou gravações fora do escopo.

Ignorar ideias reprovadas. A lista de descarte deve conservar o motivo, pois ela ajuda a revisar a rubrica e impede que a mesma proposta volte sem mudança.

Publicar o calendário automaticamente. Priorização, produção e divulgação são etapas diferentes.

Versão, licença e origem verificadas

A API oficial do GitHub foi consultada em 03/09/2026. O repositório ericosiu/ai-marketing-skills registrava 3.477 estrelas, estava público, não arquivado e declarava licença MIT. Estrelas mostram atenção relativa, não qualidade, compatibilidade, segurança ou resultado.

A curadoria fixou o commit 502336b416004765b4d37af65a1a00d759be689d. O último commit que alterou o diretório content-eval foi b3a468b4c4a1f426d997bc7a901fa5743b75669f, de 17/04/2026. A Skill não declara versão própria no frontmatter auditado, por isso o commit é a referência reproduzível.

O SKILL.md fixado, as quatro referências, o README, o arquivo de requisitos e o documento de telemetria foram revisados. A licença MIT permite redistribuição com preservação do aviso. O ZIP local contém dez arquivos e tem SHA-256 119de7d1630a80d05c89c1f8603f7f09ad94eeb6ca265f57d5f08c23c05cb981.

Checklist antes de automatizar

• Fixe commit, cliente, parser e cópia da configuração.
• Confirme se o SKILL.md é reconhecido pelo cliente antes de instalar.
• Revise ou desative o preâmbulo de telemetria em uma cópia controlada.
• Troque pilares, concorrentes e voz pelos dados reais autorizados.
• Restrinja transcrições, reuniões e chamadas a uma pasta higienizada.
• Exija evidência ou a marca “sem evidência” em cada justificativa.
• Não transforme nota simulada em previsão ou validação humana.
• Separe triagem, agenda, produção, exportação e publicação.

Fontes primárias

• Repositório oficial do mantenedor.
• Commit auditado.
• Diretório Content Eval fixado.
• SKILL.md fixado.
• README fixado.
• Rubrica dos sete papéis.
• Pilares de exemplo.
• Regras de voz de exemplo.
• Documentação de telemetria.
• Licença MIT.
• Especificação pública de Agent Skills.