blog-post

Escrita de posts de blog em formato longo com delegação de pesquisa, templates de conteúdo estruturados e imagens de capa geradas por IA. Delega a pesquisa para subagentes antes da escrita, armazenando descobertas em markdown para referência e contexto. Impõe uma estrutura de post em cinco partes: gancho, contexto, conteúdo principal (3–5 seções), aplicação prática e conclusão com chamada para ação. Gera imagens de capa otimizadas para SEO usando prompts detalhados cobrindo assunto, estilo, composição, cor e iluminação. Gera posts para...

npx skills add https://github.com/langchain-ai/deepagents --skill blog-post

Blog Post Writing Skill

Research First (Required)

Before writing any blog post, you MUST delegate research:

  1. Use the task tool with subagent_type: "researcher"
  2. In the description, specify BOTH the topic AND where to save:
task(
    subagent_type="researcher",
    description="Research [TOPIC]. Save findings to research/[slug].md"
)

Example:

task(
    subagent_type="researcher",
    description="Research the current state of AI agents in 2025. Save findings to research/ai-agents-2025.md"
)
  1. After research completes, read the findings file before writing

Output Structure (Required)

Every blog post MUST have both a post AND a cover image:

blogs/
└── <slug>/
    ├── post.md        # The blog post content
    └── hero.png       # REQUIRED: Generated cover image

Example: A post about "AI Agents in 2025" → blogs/ai-agents-2025/

You MUST complete both steps:

  1. Write the post to blogs/<slug>/post.md
  2. Generate a cover image using generate_image and save to blogs/<slug>/hero.png

A blog post is NOT complete without its cover image.

Blog Post Structure

Every blog post should follow this structure:

1. Hook (Opening)

  • Start with a compelling question, statistic, or statement
  • Make the reader want to continue
  • Keep it to 2-3 sentences

2. Context (The Problem)

  • Explain why this topic matters
  • Describe the problem or opportunity
  • Connect to the reader's experience

3. Main Content (The Solution)

  • Break into 3-5 main sections with H2 headers
  • Each section covers one key point
  • Include code examples, diagrams, or screenshots where helpful
  • Use bullet points for lists

4. Practical Application

  • Show how to apply the concepts
  • Include step-by-step instructions if applicable
  • Provide code snippets or templates

5. Conclusion & CTA

  • Summarize key takeaways (3 bullets max)
  • End with a clear call-to-action
  • Link to related resources

Cover Image Generation

After writing the post, generate a cover image using the generate_cover tool:

generate_cover(prompt="A detailed description of the image...", slug="your-blog-slug")

The tool saves the image to blogs/<slug>/hero.png.

Writing Effective Image Prompts

Structure your prompt with these elements:

  1. Subject: What is the main focus? Be specific and concrete.
  2. Style: Art direction (minimalist, isometric, flat design, 3D render, watercolor, etc.)
  3. Composition: How elements are arranged (centered, rule of thirds, symmetrical)
  4. Color palette: Specific colors or mood (warm earth tones, cool blues and purples, high contrast)
  5. Lighting/Atmosphere: Soft diffused light, dramatic shadows, golden hour, neon glow
  6. Technical details: Aspect ratio considerations, negative space for text overlay

Example Prompts

For a technical blog post:

Isometric 3D illustration of interconnected glowing cubes representing AI agents, each cube has subtle circuit patterns. Cubes connected by luminous data streams. Deep navy background (#0a192f) with electric blue (#64ffda) and soft purple (#c792ea) accents. Clean minimal style, lots of negative space at top for title. Professional tech aesthetic.

For a tutorial/how-to:

Clean flat illustration of hands typing on a keyboard with abstract code symbols floating upward, transforming into lightbulbs and gears. Warm gradient background from soft coral to light peach. Friendly, approachable style. Centered composition with space for text overlay.

For thought leadership:

Abstract visualization of a human silhouette profile merging with geometric neural network patterns. Split composition - organic watercolor texture on left transitioning to clean vector lines on right. Muted sage green and warm terracotta color scheme. Contemplative, forward-thinking mood.

SEO Considerations

  • Include the main keyword in the title and first paragraph
  • Use the keyword naturally 3-5 times throughout
  • Keep the title under 60 characters
  • Write a meta description (150-160 characters)

Quality Checklist

Before finishing:

  • Post saved to blogs/<slug>/post.md
  • Hero image generated at blogs/<slug>/hero.png
  • Hook grabs attention in first 2 sentences
  • Each section has a clear purpose
  • Conclusion summarizes key points
  • CTA tells reader what to do next

Mais skills de langchain-ai

langgraph-docs
langchain-ai
Acesse a documentação do LangGraph para construir agentes com estado e fluxos de trabalho multiagente. Busca a documentação oficial do LangGraph em Python, abordando máquinas de estado, design de agentes baseado em grafos e padrões com intervenção humana. Prioriza a documentação relevante por tipo de consulta: guias de implementação para perguntas de "como fazer", páginas conceituais para teoria, tutoriais para exemplos completos e referências de API para detalhes técnicos. Seleciona automaticamente de 2 a 4 URLs de documentação mais relevantes e recupera seu conteúdo para responder...
official
langgraph-human-in-the-loop
langchain-ai
Pausar a execução do grafo para revisão, aprovação ou validação humana e, em seguida, retomar com a contribuição do usuário. Requer três componentes: um checkpointer (InMemorySaver ou PostgresSaver), um ID de thread na configuração e payloads de interrupção serializáveis em JSON. interrupt(value) pausa e exibe dados; Command(resume=value) retoma e retorna esse valor ao nó pausado. Todo código antes de interrupt() é reexecutado na retomada, portanto, os efeitos colaterais devem ser idempotentes (use upsert, não insert). Suporta fluxos de aprovação,...
official
web-research
langchain-ai
Use esta habilidade para solicitações relacionadas a pesquisa na web; ela fornece uma abordagem estruturada para realizar pesquisas web abrangentes.
official
langchain-oss-primer
langchain-ai
SEMPRE COMEÇE AQUI para qualquer projeto de construção de agentes LangChain, Deep Agents ou LangGraph. Ponto de partida obrigatório antes de escolher outras habilidades ou escrever qualquer…
official
skill-creator
langchain-ai
Guia para criar skills eficazes que estendem as capacidades do agente com conhecimento especializado, fluxos de trabalho ou integrações de ferramentas. Use esta skill quando o usuário…
official
social-media
langchain-ai
Cria posts para redes sociais específicas da plataforma, com conteúdo baseado em pesquisa e imagens de acompanhamento geradas. Suporta posts no LinkedIn (1.300 caracteres com tom profissional) e threads no Twitter/X (280 caracteres por tweet no formato 1/🧵). Exige delegar a pesquisa a um subagente antes de escrever e, em seguida, ler os resultados para garantir precisão e relevância. Gera imagens sociais atraentes automaticamente usando a ferramenta generate_social_image, com composições ousadas e de alto contraste otimizadas para telas pequenas...
official
deep-agents-memory
langchain-ai
Backends de memória e arquivos plugáveis para Deep Agents com opções de roteamento efêmero, persistente e híbrido. Quatro tipos de backend: StateBackend (efêmero, com escopo de thread), StoreBackend (persistente entre sessões), FilesystemBackend (acesso real a disco para desenvolvimento local) e CompositeBackend (roteia diferentes caminhos para diferentes backends). FilesystemMiddleware fornece seis ferramentas de operação de arquivos: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend usa correspondência de prefixo mais longo para rotear...
official
deep-agents-orchestration
langchain-ai
Orquestrar subagentes, planejar tarefas de múltiplas etapas e exigir aprovação humana para operações sensíveis. Delegar trabalho a subagentes especializados por meio da ferramenta de tarefas; subagentes personalizados suportam conjuntos de ferramentas isolados e prompts de sistema, enquanto o subagente "de propósito geral" padrão herda a configuração do agente principal. Planejar e acompanhar fluxos de trabalho complexos com write_todos, organizando tarefas entre estados pendente, em andamento e concluído; requer um thread_id para persistência entre invocações. Implementar...
official