DeskcommCRM is an open-source, self-hosted customer relationship management system for businesses that sell through chat, with AI agents that handle, qualify, and sell through WhatsApp. Businesses use it to manage conversations and sales while keeping the CRM and its data on their own server. The catalogue entries provide agents, instructions, skills, and commands for working with the project.
Borrowing it
Nothing to install: this file belongs to melgarafael/DeskcommCRM. Take a copy, put it at the same path in your own repository, and replace the rules that are about this project with yours.
curl -O https://raw.githubusercontent.com/melgarafael/DeskcommCRM/main/.agents/skills/deskcomm-metricas/SKILL.mdgit clone --depth 1 https://github.com/melgarafael/DeskcommCRMWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/melgarafael/deskcommcrm/deskcomm-metricas)<a href="https://agentmods.dev/skills/melgarafael/deskcommcrm/deskcomm-metricas"><img src="https://agentmods.dev/badge/skills/melgarafael/deskcommcrm/deskcomm-metricas/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/skills/melgarafael/deskcommcrm/deskcomm-metricas"><img src="https://agentmods.dev/badge/skills/melgarafael/deskcommcrm/deskcomm-metricas.svg" alt="Reviewed on agentmods" width="80" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00166 | $0.01731 |
| Opus 5.5 | $0.00066 | $0.00692 |
| Sonnet 5.5 | $0.00033 | $0.00346 |
| Haiku 4.5 | $0.00017 | $0.00173 |
Grade A, and why
deskcomm-metricas scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 1mo ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 98 lines — stays where its author put it; the contents beside it link to each section on GitHub.
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). nullnão 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.
What ships with it
4 files beside SKILL.md in the same directory: the scripts, references and assets a skill reads on demand. Not counted in the per-session cost; read them before you install if any of them is executable.
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 1mo ago Changed b7c27e96b438
- 1mo ago First seen · 98 lines · 166 tokens per session scan A 2dbdd0083b55
deskcomm-metricas is a skill published in the GitHub repository melgarafael/DeskcommCRM (5,198 stars, last pushed today), licensed MIT. It adds 166 tokens to every session and 1,731 once invoked, about $0.0007 per session on Opus 5.5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-09-12.
deskcomm-metricas compared with skills from other repositories
| Mod | Type | Stars | Last push | Licence | Scan | Tokens | Works with |
|---|---|---|---|---|---|---|---|
| deskcomm-metricasmelgarafael/DeskcommCRM | Skill | 5.2k | today | MIT | A | 166 | Codex |
| rag-knowledgevstorm-co/full-stack-ai-agent-template | Skill | 2.0k | 7d ago | MIT | A | 76 | Claude Code |
| fastgpt-docker-deploylabring/FastGPT | Skill | 30k | yesterday | none | A | 84 | Claude Code, Codex |
| browser-f8f2966eFuRongJun-1999/dsh-memory | Skill | 604 | today | MIT | A | 72 | Claude Code |
| handoff-linksHybridAIOne/hybridclaw | Skill | 159 | yesterday | MIT | A | 82 | Claude Code |
| stripeHybridAIOne/hybridclaw | Skill | 159 | yesterday | MIT | A | 23 | Claude Code |
| postgres-semantic-searchlaguagu/claude-code-nextjs-skills | Skill | 72 | 4d ago | MIT | A | 84 | Claude Code |