Oito Idiomas nas Skills de Agente, Uma Revisão Só em Inglês

No segundo trimestre de 2026, 16,3% das skills de agente recém-escritas estavam em um idioma diferente do inglês. Um trimestre antes, o número era 13,0%. São três pontos em três meses, sobre 255.068 skills, com intervalos de confiança que passam longe de se tocar: [12,8; 13,1] contra [16,1; 16,4].

Já argumentamos que uma skill é um artefato governado, que ela se acumula e que ninguém coleta as que ninguém usa. A Plicara Research mediu agora em que idioma esse artefato é escrito. A resposta muda quem consegue ler a fila de revisão.

O que foi contado de fato

O corpus é de 1.870.299 conteúdos distintos de skill. Esse número não é o tamanho do dataset. Ele vem do GitSkills, que reúne 3,8 milhões de arquivos de skill em 282.200 repositórios públicos, e os 1,87 milhão são o que sobra depois de colapsar conteúdo duplicado. Os dois números não são intercambiáveis, e a distinção importa para quem quiser reproduzir o trabalho.

A detecção rodou py3langid sobre arquivos SKILL.md com o front matter YAML removido, mantendo apenas resultados com confiança de 0,80 ou mais. Os autores cruzaram o resultado com um segundo detector, o fast-langdetect. Os dois concordam em 97,6% dos documentos.

É um método reproduzível com margem de erro declarada, e é por isso que os números abaixo valem citação.

Oito idiomas e uma cauda longa

A distribuição no corpus:

• Inglês, 85,3%
• Chinês, 6,2%
• Japonês, 1,7%
• Alemão, 1,6%
• Coreano, 1,2%
• Português, 1,1%
• Espanhol, 0,9%
• Francês, 0,4%

Fora do inglês, o total é 14,3% do corpus inteiro. Os números trimestrais medem skills recém-escritas e ficam dos dois lados desse valor: 13,0% no primeiro trimestre, 16,3% no segundo.

Essa linha vem com dois limites que precisam viajar junto com ela. Histórico de commits existe para apenas 24% das skills, e esse subconjunto é toda a base da comparação trimestre a trimestre. Julho de 2026 está censurado nos dados e foi excluído das comparações. Uma tendência medida sobre um quarto da população é um sinal real com uma restrição amostral real anexada, e quem citar os três pontos de alta deveria citar as duas coisas.

A subida não é suave

O detalhe mensal desmonta qualquer narrativa de adoção constante. Janeiro ficou em 13,1%. Fevereiro caiu para 10,9%. Junho chegou a 17,6%. Um único corte trimestral esconde um mês que andou para trás.

Se você vai construir política em cima disso, construa para o número de junho, e espere que a leitura mensal ande contra você pelo menos uma vez antes que o próximo trimestre confirme a direção.

O sinal que aponta para as Américas

Espanhol e português se comportam de forma distinta do resto da cauda. O primeiro commit desses autores tem pico às 19:00 UTC, meio da tarde no Brasil e fim de noite na Península Ibérica. Durante a madrugada do Leste Asiático, espanhol e português respondem por 46,5% dos primeiros commits (n=9.936), contra 35,7% do inglês.

Os autores são cuidadosos com o que isso sustenta, e nós também. Trata-se de uma estimativa de fase em nível populacional, boa para umas poucas horas na melhor das hipóteses. Idioma não é país. Não diz absolutamente nada sobre nenhum autor individual. Leia como corroboração, e nunca como geolocalização. Em termos concretos: 1,1% de português não é uma afirmação sobre a fatia brasileira na autoria de skills, e ninguém deveria convertê-la nisso.

O que a leitura de fuso sustenta é uma direção. O Octoverse 2025 do GitHub, citado na mesma análise, relata que o Brasil cresceu 4,1 vezes desde 2020, e que a Índia somou 5,2 milhões de desenvolvedores em um único ano, cerca de 14% das 36 milhões de contas abertas no mundo. O crescimento de desenvolvedores fora dos Estados Unidos não precisa aparecer como texto fora do inglês, e por isso os autores tratam a fatia fora do inglês como piso, e não como medida, e pedem que tudo abaixo disso seja lido assim.

Uma revisão só em inglês deixa passar uma skill em cada seis

A medição deixa de ser curiosidade no ponto em que encontra uma fila de revisão.

Uma skill é um arquivo de instrução que o agente carrega e segue. Revisar significa ler. Se o seu processo de revisão assume inglês, então para aproximadamente uma em cada seis skills novas a revisão foi pulada ou foi feita por alguém adivinhando a intenção a partir do nome do arquivo e da lista de ferramentas. Nenhuma das duas coisas é revisão.

A análise expõe um segundo efeito que se soma ao primeiro. A descoberta de skills hoje é lexical: você encontra uma skill casando palavras dentro dela. Uma skill em português que faz exatamente o que um time anglófono precisa não vai aparecer na busca desse time, o que produz uma defasagem entre o que é escrito e o que é adotado. Skill não encontrada é skill não revisada. Ela continua rodando, para quem a escreveu, dentro do repositório onde caiu.

Este é o gêmeo, do lado do artefato, de um problema que já cobrimos do lado do modelo. Valores do modelo variam por idioma trata do modelo se comportando de forma distinta conforme o idioma do prompt, e de suítes de avaliação que só testam inglês. Este texto trata do arquivo de instrução em si. Os dois modos de falha podem estar ativos na mesma organização ao mesmo tempo, e nenhum deles aparece em um painel que só fala inglês.

Faça isto agora

Rode uma consulta contra os diretórios de skill que você de fato controla, ainda esta semana.

Aponte um detector de idioma para todo SKILL.md da sua organização, com o front matter removido, e conte o que volta. O método acima é reproduzível com py3langid, e cruzar com um segundo detector custa mais uma passada. Você está atrás de um número só: quantas das suas skills estão em um idioma que o seu processo de revisão não lê.

Se esse número for zero, ou a organização é genuinamente monolíngue ou o processo de descoberta está escondendo o resto. Se for diferente de zero, você passa a conhecer o tamanho da superfície não revisada e pode decidir o remédio: uma etapa de tradução no gate de revisão, um campo description obrigatório em inglês no front matter, ou um revisor que leia o idioma em questão. Qualquer um deles supera o padrão atual, que é um gate devolvendo aprovação porque não conseguiu ler a entrada.

---

Fontes

• Plicara Research. “What language are agent skills written in?.” Agosto de 2026.
• arXiv. “GitSkills dataset (Destefanis, Graziotin, Vaccargiu, Ortu), MSR ‘27.” 2026.

A Victorino ajuda times de engenharia a construir gates de revisão que cobrem as skills que os agentes realmente carregam: contato@victorino.com.br | www.victorino.com.br