Skill 5B — Content Derivatives Engine

Pipeline Context

Nota: 5A e 5B são paralelas — ambas consomem OUTPUT_WRITER.md. A ordem de execução depende da prioridade do usuário. 5B pode rodar antes de 5A se o objetivo for primeiro mapear todos os derivados e depois adaptar por plataforma.

Context Files

Caminhos: todos os context files estão em [ACTIVE_COMPANY_PATH]/context/ e o output é salvo em [CONTENT_PIECE_PATH]/ — caminhos resolvidos pelo orquestrador no início da sessão.

Carregar ANTES de analisar

• PLATFORM_SPECS.md — quais plataformas são prioritárias para a marca; evitar sugerir derivados para plataformas onde a marca não tem presença
• AUDIENCE_PROFILES.md — quais plataformas a persona usa e com que intensidade; priorizar derivados para onde a persona está

Carregar se disponível (para produzir o derivado)

• BRAND_VOICE.md — se o usuário pedir que a skill produza o derivado (não só identifique), carregar para manter o tom
• OUTPUT_WRITER.md — conteúdo-pilar com tags de atomização
• OUTPUT_RESEARCH.md — dados e cases para derivados que exigem fundamentação

NÃO carregar

PRODUCT_CONTEXT, COMPETITOR_MAP, CONTENT_PILLARS, HOOK_LIBRARY, VISUAL_IDENTITY

Arquivos de referência (carregar sob demanda)

Input Esperado

Confirmar com o usuário antes de iniciar:

1. Qual é o conteúdo a ser analisado? (→ OUTPUT_WRITER.md ou OUTPUT_RESEARCH.md ou texto colado)
2. O usuário quer apenas identificação de derivados, ou quer que a skill produza os selecionados?
3. Tem preferência de plataforma para os derivados?

Se AUDIENCE_PROFILES e PLATFORM_SPECS estiverem disponíveis, responder às perguntas 2–3 automaticamente a partir deles.

Procedimento de Execução

Execute nesta ordem:

1. Verificar context files — PLATFORM_SPECS + AUDIENCE_PROFILES. Se ausentes, aplicar Fallback A.
2. Ler o conteúdo de entrada — OUTPUT_WRITER.md (com tags) ou texto direto
3. Mapear elementos disponíveis — identificar: listas, dados, comparações, histórias, insights, CTAs (usar as tags de atomização como guia principal)
4. Carregar references/format-catalog.md — specs de cada formato para comparar com os elementos disponíveis
5. Avaliar viabilidade por formato — para cada formato do catálogo: viável? Com quais elementos? Em qual plataforma?
6. Priorizar — separar em Alta prioridade (alto potencial + baixo-médio esforço), Média prioridade e Baixo retorno/alto custo
7. Montar cluster da semana — sugerir como os derivados aprovados podem ser distribuídos em 5–7 dias de publicação
8. Apresentar análise ao usuário — formato priorizado com sugestão de cluster
9. Produzir derivados confirmados (se o usuário solicitar) — um por vez, com revisão entre cada um
10. Gerar OUTPUT_DERIVATIVES.md — usando references/output-template.md; salvar em [CONTENT_PIECE_PATH]/OUTPUT_DERIVATIVES.md
11. Atualizar WORKFLOW_STATE.md em [CONTENT_PIECE_PATH]/WORKFLOW_STATE.md — campos do bloco "Derivatives Engine (Skill 5B)"

Catálogo de Formatos Derivados (Inline)

Analisar o conteúdo contra os formatos abaixo. Para especificações completas de cada formato, consultar references/format-catalog.md.

Matriz de Compatibilidade com Funil

Ao priorizar derivados, verificar alinhamento com o estágio de funil do conteúdo-pilar:

✅ = alinhamento natural | ⚠️ = possível com ajuste | ❌ = conflito de estágio

Conceito de Cluster de Conteúdo

Após identificar os derivados viáveis, organizar um cluster da semana: como distribuir o conteúdo-pilar + derivados em 5–7 dias de publicação, variando formatos e plataformas.

Estrutura típica de cluster:

Regras do cluster:

• Nunca publicar o mesmo formato no mesmo dia em plataformas diferentes
• O conteúdo-pilar vai primeiro; os derivados reforçam e ampliam o argumento
• Variar entre formatos "de save" (checklist, template) e formatos "de comentário" (hot take, comparativo)
• Espaçar no mínimo 24h entre publicações da mesma ideia na mesma plataforma

Formato de Output da Análise

# Análise de Derivados — [Título do conteúdo-pilar]

## Elementos Identificados no Conteúdo
- Listas: [N] listas com [X] itens
- Dados: [N] dados/estatísticas
- Comparações: [descrever]
- Histórias: [descrever]
- Insights isoláveis: [N]

## Alta Prioridade

1. **[Formato]** — Potencial: Alto | Plataforma: [quais] | Esforço: [nível]
   - Elementos disponíveis: [o que do conteúdo serve]
   - Sugestão de execução: [como montar em 1–2 linhas]

## Média Prioridade
[mesma estrutura]

## Baixo Retorno / Alto Custo
[mesma estrutura com justificativa de esforço vs. retorno]

## Não Viáveis
- **[Formato]:** [motivo — ex: sem dados numéricos manipuláveis]

## Cluster Sugerido — [N] dias
[tabela de dia × formato × plataforma]

Fallbacks

Fallback A — PLATFORM_SPECS e AUDIENCE_PROFILES ausentes

Prosseguir com análise genérica, priorizando plataformas mais comuns para o tipo de conteúdo. Anotar: "Plataformas priorizadas com base no tipo de conteúdo, sem PLATFORM_SPECS/AUDIENCE_PROFILES disponíveis." Após análise, sugerir: "Quer configurar os context files para personalizar as sugestões? (→ Skill 1 — Setup)"

Fallback B — Conteúdo sem tags de atomização

Ler o conteúdo integralmente e mapear elementos manualmente: identificar listas, dados, comparações, histórias e insights. Anotar: "Tags de atomização ausentes — mapeamento feito manualmente." Recomendar ao usuário que rode a Skill 4 com o conteúdo para inserir as tags na próxima iteração.

Fallback C — Conteúdo muito curto (menos de 200 palavras)

Avisar: "O conteúdo tem poucos elementos para derivados complexos (infográfico, tier list, carrossel longo). Derivados viáveis: [listar apenas os de baixo esforço que funcionam com o material disponível]." Sugerir expandir o conteúdo com a Skill 2 ou Skill 4 antes de derivar.

Resumo Obrigatório e Transição

Campos do WORKFLOW_STATE.md a atualizar

### Derivatives Engine (Skill 5B)
- Status: Completo
- Output: OUTPUT_DERIVATIVES.md gerado
- Derivados identificados: [N] formatos
- Alta prioridade: [listar]
- Cluster gerado: [Sim / Não]
- Resumo: [1-2 frases sobre os derivados encontrados]

Pergunta de transição padrão

"Análise de derivados entregue. Quer que eu produza algum agora? Ou quer passar para:

• Skill 8 — Carousel Creator: produzir os slides visuais do carrossel identificado
• Skill 6 — Editorial Calendar: agendar o cluster completo no calendário editorial"

Referências