Em resumo: uma skill é um diretório com um arquivo markdown (frontmatter com nome e descrição de disparo, corpo de instruções e arquivos de apoio) que a IA carrega quando a tarefa corresponde à descrição. O que separa skill útil de prompt bonito é o mesmo que separa documentação técnica de prosa: instruções rígidas, específicas e testáveis, com formato de saída fixo e regras de escalonamento humano. Recomendação prática das operações maduras: de 5 a 10 skills cobrem 80% do trabalho repetível de SEO, e skills pré-construídas valem mais que construir do zero.
O que uma skill é (e o que um prompt não é)
Um prompt vive na conversa: você escreve, a IA responde, o contexto evapora. Uma skill vive no projeto: é versionável, auditável, compartilhável entre pessoas e chamável pelo nome. A diferença de engenharia está em três camadas do arquivo: o frontmatter (a descrição decide quando a skill entra em ação, e descrever mal aqui é a causa número um de skill que nunca dispara), o corpo (as instruções propriamente ditas, no tom de documentação técnica: rígidas, específicas, testáveis) e os arquivos de apoio (checklists, templates de saída, referências).
A comparação que resume: skill que funciona lê como manual de procedimento de laboratório; skill que falha lê como post motivacional com instruções vagas. A frase do fundador da agência que documentou o método atravessa o tema: o erro inicial foi escrever skills que pareciam prompts, e as que funcionam parecem documentação técnica.
As seis categorias de skills que mais rendem em SEO
Auditoria. A skill técnica que roda em todo cliente novo na primeira semana e sistematicamente encontra de dez a quinze problemas: bloqueios de indexação, metas duplicadas, schema quebrado, velocidade. A entrada é o sitemap ou o crawl, a saída é o relatório priorizado com formato fixo.
Keyword research e clustering. Recebe a keyword-semente, devolve o mapa tópico com página-pilar e páginas satélite, agrupamento por intenção e sugestão de prioridade. A disciplina de saída fixa (planilha com colunas definidas) é o que permite comparar meses diferentes.
Content design. A skill que gera a especificação de conteúdo em camadas: padrão de leitura, hierarquia de headings, arquitetura de passagens para extração por IA, informação que só você tem, regras de anti-slop. É a tradução do brief manual em processo.
Linkagem interna. Gera o mapa de links em formato estruturado (JSON ou tabela) com origem, destino, âncora e justificativa. As regras que funcionam nas operações documentadas: proporção 75/25 entre âncoras da keyword primária e variantes long-tail, link apenas na primeira ocorrência do termo na página, e plano aprovável antes de aplicar.
Análise competitiva e information gain. Scrapa as três a cinco páginas que ranqueiam para a consulta-alvo, monta a matriz do que cada uma cobre e aponta os ângulos que ninguém cobriu. É a skill que responde "o que este conteúdo precisa ter para merecer citação".
Research de citação em IA. Testa prompts do seu segmento em ChatGPT, AI Mode, Perplexity, Gemini e Copilot e documenta quem é citado. Para operações menores, substitui plataformas pagas de monitoramento com a vantagem de ver o que o usuário real vê.
Como conectar os dados: MCPs que sustentam as skills
Skill sem dado real inventa, e o antídoto é a camada de integração. Os conectores MCP que sustentam o trabalho de SEO: o crawler em MCP para o rastreamento, o Search Console para performance, os provedores de dados de keyword e backlink para volume e autoridade, e os conectores que contornam o limite de linhas do GSC com histórico de 16 meses ou mais. A regra que atravessa todas: a skill declara o dado que precisa (o campo NEEDS do formato de spec de agente) e falha explicitamente se não tiver, em vez de simular.
Os seis erros que destroem projetos de skills
- A skill-cozinha: uma skill tentando fazer auditoria, conteúdo e links. Divide em skills focadas, uma por trabalho, como funções de um código bom.
- Saída sem formato: se a skill não define o formato exato da entrega (JSON, tabela com colunas, markdown com seções), cada execução devolve um formato diferente e nada se compara.
- Descrição conversacional: a descrição do frontmatter é texto de disparo, não prosa. Escrever como help text de comando.
- Instrução sem dado conectado: skill que precisa de rankings sem MCP de dados vai simular números. Integrar ou exigir paste do dado real.
- Sem versionamento: skills em arquivo solto morrem na primeira troca de computador. Repositório com histórico e revisão por pull request.
- Construir antes de buscar: bibliotecas públicas já têm dezenas de skills testadas em auditorias reais; adaptar vence reinventar.
Combinando skills em workflow (o exemplo do refresh)
O poder individual de uma skill é médio; o poder da sequência é o que muda a operação. O workflow de refresh documentado por quem processou vinte páginas em meio dia: a skill de performance cruza o acervo com o Search Console e marca as páginas em queda com as queries responsáveis; a skill de content audit passa em cada uma, apontando estatísticas velhas, seções faltantes e FAQs finas; a skill de information gain scrapa os concorrentes atuais de cada página e lista os ângulos ausentes; e a skill de content design gera a especificação de reescrita com tudo isso. O humano revisa a especificação, aprova o lote, e a produção roda com o checklist. Quatro skills, meio dia, vinte páginas: o que era semana de planejamento manual.
Do zero à primeira skill: o caminho de uma semana
- Dia 1: escolher a tarefa mais repetitiva do seu SEO (na maioria das operações, auditoria de metas). Não a mais interessante, a mais repetida.
- Dia 2: escrever a skill como documentação: entrada obrigatória, passos numerados, formato de saída fixo, o que fazer quando o dado falta.
- Dia 3: testar três vezes com o mesmo input. Resultados diferentes entre execuções = instrução ambígua, reescrever.
- Dia 4: conectar o dado real (MCP ou paste) e re-testar. Simulação zero.
- Dia 5: rodar em produção com revisão humana do output, registrar o que faltou nas instruções e versionar.
A quinta-feira de teste em triplo é o passo que o mercado pula e depois paga: skill que não é determinística não é processo, é impressão.
Skills no contexto brasileiro: o que adaptar
Três adaptações para operações locais. Idioma da saída: a skill deve instruir explicitamente o idioma e o tom do output (pt-BR, registro profissional), porque modelos tendem ao inglês em saídas técnicas. Dados locais: conectores de volume global não refletem bem consultas brasileiras de cauda; complementar com Search Console real do site é obrigação, não luxo. E o terceiro: conformidade local nas automações, LGPD nas instruções que tocam dado de cliente e o gate humano antes de qualquer publicação, que segue sendo regra do nosso processo independente da ferramenta.
A pergunta de fundo: skill ou gente?
A resposta que as operações maduras documentam: skill cuida do repetível e as pessoas cuidam do decisório. Estratégia, voz final, julgamento de queda, relacionamento e a criatividade de encontrar o ângulo que ninguém cobriu continuam humanos. A aritmética que fecha a conversa: se as 5 a 10 skills certas cobrem 80% do tempo que o time gastava em execução mecânica, o mesmo time passa a entregar o trabalho de cinco pessoas com o processo de uma, ou entrega o mesmo com qualidade superior nas escolhas. O que a era da automação premiou não foi quem tem a ferramenta, é quem tem o processo documentado que a ferramenta executa.
A biblioteca pública: adaptar antes de construir
O mercado acumulou dezenas de skills SEO testadas em auditorias reais, e o erro de iniciante é construir do zero o que já existe maduro. O critério para avaliar uma skill de terceiros antes de instalar: a entrada está declarada (a skill diz exatamente o dado que precisa?), a saída tem formato fixo (planilha com colunas nomeadas, JSON com chaves definidas?), a regra de falha existe (o que acontece sem o dado: para ou simula?) e a licença permite uso comercial. Quatro sim, instale e adapte o vocabulário ao seu processo. Qualquer não, use como referência e escreva a sua.
As adaptações típicas ao herdar skills prontas: idioma e tom da saída (pt-BR explícito nas instruções), os limiares técnicos ajustados à realidade do mercado (caracteres de title, velocidade de referência local) e a camada de dado trocada pela que você tem (Search Console real vence dataset genérico em toda decisão).
A skill como padrão de onboarding
O efeito organizacional das skills aparece nos times: quando o processo vive em arquivos versionados, o analista novo roda a primeira auditoria completa no primeiro dia, com a mesma qualidade do analista sênior na coleta (a diferença sênior mora na priorização do output, que continua humana). A skill vira o padrão de fato: não é o manual que ninguém lê no wiki, é o procedimento que o trabalho inteiro passa por dentro.
Para agências, o bônus é a consistência entre clientes: a mesma skill de auditoria roda no e-commerce e no clínico, com a adaptação local no parâmetro, e o relatório sai no mesmo formato. O cliente percebe processo; o time percebe menos retrabalho; e a revisão humana, que é onde a agência cobra, fica visível e justificada no fluxo.
Como medir se a skill está funcionando
Três métricas avaliam qualquer skill depois do primeiro mês de uso. Taxa de aceitação: das propostas que a skill gera (titles novos, links sugeridos), quantas o humano aprova sem mudar? Abaixo de 60%, as instruções precisam de contexto de negócio. Retrabalho: quantas entregas da skill precisaram de conserto depois de aplicadas? Acima de 10%, o formato de saída ou a validação interna está falhando. Tempo por tarefa: o cronômetro da tarefa com e sem skill, medido em três execuções, é a prova de valor que fecha a conversa de investimento.
Essas três métricas transformam a discussão de "IA funciona?" em gestão de processo com número. E o que elas revelam na prática: skills de coleta e formato atingem aceitação alta rápido; skills de recomendação criativa levam mais ciclos de ajuste, porque o contexto de negócio é difícil de instruir.
Os limites que a skill deve declarar
A skill profissional diz até onde vai. Três limites que precisam estar escritos no arquivo: a skill não publica sozinha (gera proposta, humano aprova, sistema aplica), não toca produção sem dry-run aprovado e não inventa dado (sem MCP conectado, declara o campo ausente e para). O formato de spec de agente que o mercado consolidou (NEEDS, OWNS, OUTPUT, RULES, FAIL CLOSED, NOT YOUR CALL) existe exatamente para forçar essas declarações no papel antes da automação rodar. Skill com limites declarados é ferramenta; skill sem limites é risco com nome bonito.
Da primeira skill à biblioteca: a curva de seis meses
A trajetória realista de uma operação que começa hoje: no primeiro mês, a skill de auditoria de metas instalada e rodando com revisão humana, mais a decisão do formato de saída que vira padrão. No segundo e terceiro, as skills de clustering e de performance com Search Console, formando o ciclo diagnóstico-priorização. No quarto e quinto, content design e linkagem interna fechando o ciclo de produção. No sexto, o workflow combinado rodando os lotes de refresh com as quatro skills encadeadas, e a biblioteca própria valendo mais que qualquer curso: é o ativo que fica quando a ferramenta muda de nome, muda de preço ou muda de mercado.
O detalhe que separa quem chega lá de quem desiste no caminho: uma skill por mês, testada em triplo e versionada, vence a tentativa de instalar dez por semana. A biblioteca é consequência da cadência, não do entusiasmo do primeiro dia.
E o critério de aposentadoria completa o ciclo de vida da skill: quando uma skill deixa de economizar tempo (a tarefa virou rara, a integração quebrou sem conserto, ou o processo de negócio mudou), ela sai da biblioteca com a mesma disciplina com que entrou. Biblioteca viva é biblioteca pequena: cada skill instalada passa pelo teste das três métricas todo trimestre, e as reprovadas viram referência histórica no repositório, não peso morto na execução. O objetivo final nunca foi colecionar skills; foi ter o processo inteiro do SEO documentado, testável e melhorável, uma unidade por vez.