Context Engineering: prompt caching, subagents e skills

# Anthropic: marcar blocos cacheáveis
from anthropic import Anthropic
client = Anthropic()

r = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    system=[
        {
            "type": "text",
            "text": LONG_SYSTEM_PROMPT,      # 5k tokens
            "cache_control": {"type": "ephemeral"},
        },
    ],
    tools=[
        # tools também podem entrar no cache
        *TOOL_DEFS,
    ],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": LARGE_DOC,       # 50k tokens, revisitado em várias queries
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "text",
                    "text": user_query,      # volátil, NÃO cacheado
                },
            ],
        },
    ],
)
# r.usage.cache_creation_input_tokens: primeira chamada, escreve o cache
# r.usage.cache_read_input_tokens:     chamadas seguintes, leem o cache

# Compaction simples — mantém últimas N mensagens + summary do resto
def compact_if_needed(messages: list[dict], max_tokens: int = 100_000) -> list[dict]:
    total = sum(estimate_tokens(m) for m in messages)
    if total < max_tokens * 0.7:
        return messages                # ainda cabe folgado

    keep_tail = 8                       # mantém últimas 8 em original
    to_summarize = messages[:-keep_tail]
    tail = messages[-keep_tail:]

    summary_text = llm_call(
        model="claude-haiku-4-5-20251001",
        system="Resuma a conversa em 300 palavras, mantendo fatos, decisões e tool results relevantes para continuar.",
        messages=to_summarize,
    )
    summary_msg = {
        "role": "user",
        "content": f"<conversation_summary>\n{summary_text}\n</conversation_summary>",
    }
    return [summary_msg] + tail

---
name: pdf-extraction
description: Extrai texto e tabelas de PDFs complexos usando pdfplumber + VLM para imagens.
allowed-tools: Read, Bash, Write
---

# PDF Extraction

Quando o usuário pedir para extrair dados de PDF:

1. Use `pdfplumber` para texto e tabelas limpas.
2. Para PDFs escaneados, rode OCR (`tesseract`) ou envie a página como imagem para Claude Vision.
3. Sempre valide que a extração preservou estrutura (tabelas não podem virar texto corrido).
4. Salve output em `extracted/` com mesmo nome do PDF + `.md`.

Exemplo de script:

```bash
pdfplumber dump tables input.pdf > tables.json
```