Agent skill

Deskcomm Metricas

by melgarafael in melgarafael/DeskcommCRM

Guia de análise das métricas de uma instalação do DeskcommCRM como um analista de dados experiente — conversão, funil, tempo de resposta, handoff, follow-ups, custo de IA, motivos de perda, horários…

MITAuto-check: notesSales & Support

Install Deskcomm Metricas

skills CLI
$ npx skills add melgarafael/DeskcommCRM --skill deskcomm-metricas -a claude-code

Project install by default; add -g for ~/.claude/skills/.

GitHub CLI
$ gh skill install melgarafael/DeskcommCRM deskcomm-metricas --agent claude-code

Project scope by default; add --scope user for a personal install. Needs GitHub CLI 2.90.0 or later (public preview).

Manual copy
$ git clone --depth 1 https://github.com/melgarafael/DeskcommCRM.git skills-src && mkdir -p .claude/skills && cp -r skills-src/.agents/skills/deskcomm-metricas .claude/skills/deskcomm-metricas && rm -rf skills-src

Use ~/.claude/skills/ instead of .claude/skills for a personal install. The folder must contain SKILL.md.

Claude Code skills documentation · loads skills from .claude/skills/

Facts

Skill name
deskcomm-metricas
GitHub stars
4.5k
Token cost
~1.6k tokens
SKILL.md length
826 words
Files
5 (incl. references)
Skills in repo
8
Repo updated
First seen
Licence
MIT

At a glance

Guia de análise das métricas de uma instalação do DeskcommCRM como um analista de dados experiente — conversão, funil, tempo de resposta, handoff, follow-ups, custo de IA, motivos de perda, horários…

  • Sales & Support work in your project
  • SKILL.md covers Como você age, Passo 0 — onde está o dado e…, Passo 1 — a triagem do pedido and Passo 2 — o panorama (sempre,…, plus 3 more sections
  • Instructions only: no scripts, shell commands, URLs or credentials in SKILL.md

What it does

Deskcomm Metricas is an agent skill from melgarafael/DeskcommCRM. Guia de análise das métricas de uma instalação do DeskcommCRM como um analista de dados experiente — conversão, funil, tempo de resposta, handoff, follow-ups, custo de IA, motivos de perda, horários de pico — lendo o banco por consultas agregadas sem dado pessoal. Use SEMPRE que alguém perguntar "como está o desempenho", "o agente está vendendo?", "por que a conversão caiu", "quanto estou gastando com IA", "onde o funil trava", "quantos atendimentos", "que horas os clientes mais falam", pedir relatório, dashboard…

Its SKILL.md is about 1.6k tokens, which your agent loads only when the skill is triggered. The skill folder holds 6 other files, including reference files (for example `agents/openai.yaml`, `references/acesso-e-lgpd.md` and `references/consultas.md`).

It sits in Sales & Support. It works with Supabase and WhatsApp. The repository describes itself as: Open-source AI sales OS — self-hosted CRM with native AI agents + WhatsApp (WAHA). Open alternative to Kommo, Octadesk & Intercom for any business that sells by chat. MCP-ready… The licence is MIT.

When your agent uses it

  • Sales & Support work in your project

Example prompts

  • “como está o desempenho”
  • “o agente está vendendo?”
  • “por que a conversão caiu”
  • “/deskcomm-metricas”

What it can do on your machine

Read from SKILL.md and the folder at commit b3bd604. It shows what the files ask for, not the result of running them.

  • Tool permissions

    Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.

    From allowed-tools in the SKILL.md frontmatter.

  • Runs code

    No scripts in the folder and no shell commands in SKILL.md (its code samples are markdown).

    From the folder's file list and the shell code blocks in SKILL.md.

  • Network

    No URLs in SKILL.md.

    From URLs in SKILL.md, links to its own repository left out.

  • Credentials

    Names no API keys, tokens, secrets or passwords.

    From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

Context cost

Deskcomm Metricas loads about 1.6k tokens when it runs, and up to ~8.2k if it reads all its reference files. Until then it costs about 170 tokens; SKILL.md has 826 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it
~170
When it runs · the whole SKILL.md, loaded when a task matches
~1.6k
With references · SKILL.md plus every file in references/, read only if the agent opens them
~8.2k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Auto-check: notes

The automated check noted patterns worth knowing about, such as sudo or a known installer.

  • NoteMentions a .env fileSKILL.md:39
    do `.env` da instalação (Session pooler). Não existe papel de banco só-leitura no produto — a

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); files beside SKILL.md are not scanned.

SKILL.md

The full file from melgarafael/DeskcommCRM at commit b3bd604, republished under its MIT licence (© melgarafael). 826 words, ~1,642 tokens.

Download SKILL.mdSave it as .claude/skills/deskcomm-metricas/SKILL.md (or your agent's skills folder). This skill also uses 4 other files; get the full folder from GitHub.
name
deskcomm-metricas
description
Guia de análise das métricas de uma instalação do DeskcommCRM como um analista de dados experiente — conversão, funil, tempo de resposta, handoff, follow-ups, custo de IA, motivos de perda, horários de pico — lendo o banco por consultas agregadas sem dado pessoal. Use SEMPRE que alguém perguntar "como está o desempenho", "o agente está vendendo?", "por que a conversão caiu", "quanto estou gastando com IA", "onde o funil trava", "quantos atendimentos", "que horas os clientes mais falam", pedir relatório, dashboard ou análise estratégica das conversas, ou quiser saber se vale otimizar o prompt. Declara a régua de cada número, o fuso e o que não foi medido.
metadata.publico
dono do negócio, agência, operador
metadata.leitura
SQL agregado via SUPABASE_DB_URL (pooler), nunca texto de mensagem

Analisar as métricas de uma instalação

O produto mostra números em várias telas — Desempenho, Radar de risco, Uso e orçamento, Evolução da IA, Execuções, Atividades — e cada uma usa a própria régua: "handoff" tem três definições diferentes em três telas; "ganho" é crm_leads numa e a transição do agente noutra; um dia é UTC numa tela e o fuso da organização em outra. Um analista que soma números de telas diferentes chega a conclusões erradas com cara de precisas. Este guia lê a fonte (o banco), declara a régua ao lado de cada número e transforma medida em decisão.

Como você age

  • Pergunta de negócio primeiro, consulta depois. "A conversão caiu?" vira: qual funil, qual período, comparado a quê, medido por qual definição. Sem isso, o número não responde nada.
  • Agregados, nunca o texto. Você lê contagens, medianas, taxas e enums. Nunca o corpo de mensagem, nome, telefone, notas do agente, motivo de perda em texto livre sem tratar. A instalação é de terceiros e a LGPD é nativa: o que sai do banco para o modelo é só o que a anonimização preserva (ids, datas, estados, valores). references/acesso-e-lgpd.md.
  • Régua ao lado do número. Todo número vem com: período fechado [de, até), fuso, definição (qual tabela, qual filtro), e o que ficou de fora (grupos, arquivados, custo sem preço).
  • null não é zero. "Sem dado" e "zero" são respostas diferentes; o produto trata assim e você também.
  • Compare com uma referência. Período anterior, outro agente, outro funil, ou a meta que a pessoa disse. Número solto não é análise.
  • Termine em ação. Cada achado vira uma hipótese e um próximo passo: ajustar prompt (guia deskcomm-prompt), follow-up, horário do agente, base de conhecimento, equipe, ou "coletar mais 2 semanas".

Passo 0 — onde está o dado e como chegar nele

Não há banco na VPS: o Postgres é o Supabase, alcançado pela connection string SUPABASE_DB_URL do .env da instalação (Session pooler). Não existe papel de banco só-leitura no produto — a string do app enxerga todas as organizações da instalação, então toda consulta filtra organization_id. Como obter, o que pedir à pessoa, o que fazer com uma instalação de várias organizações e a alternativa por MCP: references/acesso-e-lgpd.md.

Passo 1 — a triagem do pedido

Uma pergunta por vez: qual organização (nome → id); período (padrão: últimos 30 dias fechados, comparados aos 30 anteriores); o que está incomodando (vender menos, demorar, gastar, perder); qual funil e quais agentes existem (você descobre no banco e confirma). Anote a régua escolhida antes de rodar qualquer coisa.

Passo 2 — o panorama (sempre, antes de aprofundar)

Rode o bloco "panorama" de references/consultas.md: volume de mensagens recebidas por semana e por origem de resposta (IA, pessoa, celular), funil por origem com taxa de ganho sobre fechados e dias até ganhar, estagnação por etapa, handoffs (somando os dois runtimes), custo de IA por propósito com o furo de preço declarado, follow-ups por desfecho, conversas esperando resposta agora. Apresente em uma tabela por bloco, com a régua embaixo.

Show full SKILL.md (331 more words)Show less

Passo 3 — aprofunde onde dói

sintomaconsultaso que costuma explicar
"vende menos"funil por origem; motivos de perda; estagnação por etapa; fluxo entre etapas por atoretapa gargalo; motivo de perda concentrado (preço, sumiu); origem que caiu
"demora / cliente reclama"1ª resposta por hora do dia (IA × humano); conversas esperando agora; horários de pico × janela do agenteagente fora da janela nos horários de pico; humano assume e demora
"o agente passa tudo para pessoa"handoffs por agente; vetos por portão; casos por desfechoprompt manda encaminhar demais; portão de promessa/vocabulário vetando
"gasta muito com IA"custo por propósito/modelo; custo por contato qualificado e por ganho; chamadas sem preçoclassificadores em modelo caro; turno com prompt gigante; custo desconhecido em modelo fora da tabela de preços
"follow-up não funciona"desfecho por fluxo/versão; promessas de retorno com resposta em 48 hesperas longas demais; mensagem genérica; muitos esgotado
"a base não responde"consultas ao conhecimento: acertos, quase-acertos, limiarmaterial não cobre; limiar apertado

Cada achado: o número, a régua, a comparação, a hipótese, o próximo passo. As armadilhas que distorcem cada leitura — fuso, sent_at × created_at, grupos, anonimizados, tetos de linhas, três definições de handoff — estão em references/regua-e-armadilhas.md. Leia antes de afirmar.

Passo 4 — o relatório

markdown
# {Organização} — {período} (fuso {tz}) · comparado a {período anterior}
## Em uma frase
## O que está bem (3 números, com régua)
## O que está travando (achado → hipótese → próximo passo)
## Custo de IA (total, por propósito, o que ficou sem preço)
## O que NÃO medi e por quê

Grave o relatório onde a pessoa pedir (relatorio-<org>-<data>.md). Números na tabela, prosa curta. Se o próximo passo é otimizar o prompt, passe o bastão ao guia deskcomm-prompt com os achados — ele precisa deles para não otimizar no escuro.

O que você nunca faz

  • Não lê messages.body, lead_checkpoints, notas, crm_leads.title, telefone, nome — nem "só para entender". Se a análise exige ler conversas, é o guia de prompt, com amostra mínima e consentimento da pessoa.
  • Não roda SELECT * em tabela com dado pessoal; não copia linhas para arquivo fora da instalação.
  • Não escreve no banco. Nunca.
  • Não compara número de tela com número de consulta sem declarar que as réguas diferem.
  • Não afirma tendência com uma semana de dado: diz que é cedo e quando voltar a medir.

© melgarafael, MIT. Rendered from Markdown: HTML in the file is shown as text, images as links, and headings moved down two levels. Raw file

Files

SKILL.md and 4 other files (references) in .agents/skills/deskcomm-metricas of melgarafael/DeskcommCRM.

  • SKILL.md
  • agents/openai.yaml
  • references/acesso-e-lgpd.md
  • references/consultas.md
  • references/regua-e-armadilhas.md

Open the folder on GitHubat commit b3bd604

Compare with similar skills

Deskcomm Metricas next to the 5 skills that share the most tags, products or categories with it. Stars are the repository's; “used in” counts other GitHub owners with a copy.

Deskcomm Metricas compared with similar skills
SkillStarsUsed inTokensAuto-checkLicenceRepo updated
Deskcomm Metricas this skillmelgarafael/DeskcommCRM4.5k—~1.6kAutomated safety check: NotesMIT
B2b Sdr AgentiPythoning/b2b-sdr-agent-template190—~744Automated safety check: PassMIT-0
Pipeline Reviewgooseworks-ai/goose-skills1.2k1 repos~6.9kAutomated safety check: PassMIT
Pulse Faq Syncevolution-foundation/evo-nexus545—~1.9kAutomated safety check: PassCustom licence
Lead DiscoveryiPythoning/b2b-sdr-agent-template190—~961Automated safety check: PassMIT
Cashclaw Whatsapp Managerertugrulakben/cashclaw303—~2.5kAutomated safety check: PassMIT

Similar skills

  • B2b Sdr Agent

    iPythoning/b2b-sdr-agent-template

    Open-source B2B AI SDR template. An agent skill from iPythoning/b2b-sdr-agent-template.

    190 GitHub stars~744 tokensUpdated 11 days ago
    Sales & SupportAuto-check passed
  • Pipeline Review

    gooseworks-ai/goose-skills

    Pipeline analysis composite. An agent skill from gooseworks-ai/goose-skills.

    1.2k GitHub starsUsed in 1 repo~6.9k tokens
    Sales & SupportAuto-check passed
  • Pulse Faq Sync

    evolution-foundation/evo-nexus

    Sync and update the community FAQ from Discord conversations, WhatsApp groups, and GitHub issues.

    545 GitHub stars~1.9k tokensUpdated 5 mo ago
    Sales & SupportAuto-check passed
  • Lead Discovery

    iPythoning/b2b-sdr-agent-template

    AI-driven lead discovery for B2B export. An agent skill from iPythoning/b2b-sdr-agent-template.

    190 GitHub stars~961 tokensUpdated 11 days ago
    Sales & SupportAuto-check passed
  • Cashclaw Whatsapp Manager

    ertugrulakben/cashclaw

    Sets up and manages WhatsApp Business accounts including auto-response systems, client communication workflows, FAQ templates, and broadcast campaigns.

    303 GitHub stars~2.5k tokensUpdated 5 days ago
    Sales & SupportAuto-check passed
  • A skill your agent uses to inventory configured Omni-Channel instances across Voice, Email, Chat, SMS, Facebook, WhatsApp, and In-App, including each channel's Queue, Flow, or Other routing target…

    1.1k GitHub stars~1.2k tokensUpdated yesterday
    Sales & SupportAuto-check: notes

More from melgarafael/DeskcommCRM

All 8 skills in this repo
  • Deskcomm Contribuir

    melgarafael/DeskcommCRM

    Guia de contribuição ao DeskcommCRM para quem vai mexer no código e abrir um pull request, sobretudo de um fork.

    4.5k GitHub stars~3.6k tokensUpdated today
    Auto-check: notes
  • Deskcomm Extensao

    melgarafael/DeskcommCRM

    Guia para criar uma extensão do DeskcommCRM — o pacote declarativo — em vez de abrir um PR no núcleo.

    4.5k GitHub stars~2.7k tokensUpdated today
    Auto-check passed
  • Sistema Vivo

    melgarafael/DeskcommCRM

    Doutrina de arquitetura do Sistema Vivo — o método para construir software em que nada morre por falta de resposta, resolução ou visibilidade.

    4.5k GitHub stars~2.3k tokensUpdated today
    Auto-check passed
  • Deskcomm Cliente Novo

    melgarafael/DeskcommCRM

    Guia para montar um cliente novo no DeskcommCRM por nicho — clínica, imobiliária, serviços/agência, curso/infoproduto, loja, escritório de advocacia — criando os agentes de IA, roteadores…

    4.5k GitHub stars~1.9k tokensUpdated today
    Auto-check passed
  • Deskcomm Operacao

    melgarafael/DeskcommCRM

    Guia de operação diária do DeskcommCRM para quem já tem o sistema instalado e precisa encontrar telas, entender fluxos, configurar recursos correntes e resolver dúvidas de uso sem mexer no código.

    4.5k GitHub stars~826 tokensUpdated today
    Auto-check passed
  • Deskcomm Prompt

    melgarafael/DeskcommCRM

    Guia para afinar o prompt de um agente de IA do DeskcommCRM que não está performando — como um engenheiro de prompt sênior de atendimento e vendas, com dados da operação, não achismo.

    4.5k GitHub stars~1.4k tokensUpdated today
    Auto-check passed

Categories

Questions about Deskcomm Metricas

What does Deskcomm Metricas do?

Guia de análise das métricas de uma instalação do DeskcommCRM como um analista de dados experiente — conversão, funil, tempo de resposta, handoff, follow-ups, custo de IA, motivos de perda, horários…. Deskcomm Metricas is an agent skill from melgarafael/DeskcommCRM. Guia de análise das métricas de uma instalação do DeskcommCRM como um analista de dados experiente — conversão, funil, tempo de resposta, handoff, follow-ups, custo de IA, motivos de perda, horários de pico — lendo o banco por consultas agregadas sem dado pessoal.

When should I use Deskcomm Metricas?

Deskcomm Metricas fits situations like: sales & Support work in your project.

How do I install Deskcomm Metricas in Claude Code?

Run `npx skills add melgarafael/DeskcommCRM --skill deskcomm-metricas -a claude-code`. Or copy the skill folder (.agents/skills/deskcomm-metricas in melgarafael/DeskcommCRM) into .claude/skills/deskcomm-metricas in your project. Claude Code loads it when a task matches its description.

How do I install Deskcomm Metricas in Codex?

Run `npx skills add melgarafael/DeskcommCRM --skill deskcomm-metricas -a codex`. Or copy the skill folder (.agents/skills/deskcomm-metricas in melgarafael/DeskcommCRM) into .agents/skills/deskcomm-metricas in your project. Codex loads it when a task matches its description.

Can I use Deskcomm Metricas in Cursor, Gemini CLI or GitHub Copilot?

Cursor, Gemini CLI, GitHub Copilot and OpenCode also load SKILL.md folders. With the skills CLI, run `npx skills add melgarafael/DeskcommCRM --skill deskcomm-metricas -a cursor` (or -a gemini-cli, github-copilot or opencode for the others). To copy it by hand, put the folder in .cursor/skills/deskcomm-metricas, .gemini/skills/deskcomm-metricas, .github/skills/deskcomm-metricas and .opencode/skills/deskcomm-metricas in your project.

What does Deskcomm Metricas need to run?

SKILL.md names no scripts, command-line tools or credentials: Deskcomm Metricas is instructions for the agent only.

Does Deskcomm Metricas access the network?

SKILL.md contains no URLs. Any network use would come from the scripts or tools the agent runs. This is read from the text; nothing was executed.

Is Deskcomm Metricas safe to install?

Our automated static check of SKILL.md found notes only (mentions a .env file), nothing it rates as a warning. It is not a guarantee. Review the folder before installing.

What licence does Deskcomm Metricas use?

Deskcomm Metricas is published under the MIT licence (the repository's licence). It allows redistribution, so the full SKILL.md is shown on this page.

How many tokens does Deskcomm Metricas use?

About 1.6k tokens (SKILL.md is roughly 6.6k characters). Agents keep only the skill's name and description in context until a task matches; then they load SKILL.md in full. Its references folder adds about 6.5k tokens, read only when the agent opens those files.

What are the alternatives to Deskcomm Metricas?

Skills that share tags, products or a category with Deskcomm Metricas: B2b Sdr Agent (iPythoning/b2b-sdr-agent-template, 190 stars), Pipeline Review (gooseworks-ai/goose-skills, 1.2k stars), Pulse Faq Sync (evolution-foundation/evo-nexus, 545 stars) and Lead Discovery (iPythoning/b2b-sdr-agent-template, 190 stars). The comparison table on this page puts their stars, adoption, token cost, safety result and licence side by side.

Who maintains Deskcomm Metricas?

melgarafael (a GitHub user) maintains it in melgarafael/DeskcommCRM, which has 4,530 GitHub stars. The repository holds 8 skills in this directory. The repository was last updated on October 11, 2026.

Source: melgarafael/DeskcommCRM on GitHub. Facts on this page come from the repository at the commit we read; the author's words are quoted as theirs.