CommunityCodierung & Entwicklunggithub.com

grahama1970/agent-status

Erzeugt artefaktbasierte Statusoberflächen für länger laufende Projekt-Agenten-Arbeiten. Verwaltet status.json, events.jsonl, Nachweis-Manifeste und eine veraltungsbewusste STATUS.html, damit Menschen nachvollziehen können, wo der Agent steht, was bestanden ist, was noch nicht belegt ist und welche Entscheidung oder Aktion als Nächstes ansteht – ohne Dashboard-Theater.

Was ist agent-status?

Das Skill 'agent-status' ist dazu gedacht, bei mehrschrittigen Arbeiten eines Projekt-Agenten eine transparente und nachvollziehbare Statusoberfläche zu schaffen – ohne dabei in die Falle von Dashboard-Theater zu tappen. Es generiert maschinenlesbare Artefakte wie status.json, events.jsonl und proof_manifest.json, die den tatsächlichen Fortschritt abbilden, sowie eine HTML-Ansicht (STATUS.html), die genau diese Artefakte rendert. Der Fokus liegt darauf, klare Antworten auf acht essenzielle Fragen zu geben: Was versucht der Agent zu erreichen? Wo genau stehen wir? Was ist gerade bestanden, was noch nicht belegt? Was ist der nächste Schritt? Ist der Agent aktiv, blockiert, im Leerlauf oder wartet auf eine menschliche Entscheidung? Das Skill definiert einen strengen Zustandsautomaten (z. B. running, blocked, passed_scoped_gate, done) und verbietet Prozentangaben, vage Grün-Sprache oder vorgetäuschte Fortschritte. Es eignet sich für Plattformen wie Claude Code, Cursor oder Codex und wird vor allem für Multi-Step-Workflows wie Plan-Iterate, Orchestrierung, Design-Review, Code-Review oder Debugging eingesetzt.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Antigravity✓OpenCode
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/agent-status

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht agent-status?

Verwende dieses Skill immer dann, wenn ein Projekt-Agent mehrschrittige Arbeit verrichtet und der Mensch wissen muss, was wirklich passiert.

Dieses Skill ist bewusst kein Dashboard-Generator. Es erzeugt eine Wahrheitsoberfläche, die auf maschinenlesbaren Artefakten basiert:

.plan-iterate/<kampagnen-id>/status/
  status.json
  events.jsonl
  proof_manifest.json
  STATUS.html

Das HTML rendert nur das aktuelle Status-Artefakt. Es darf keine Fortschritte, Prozentsätze oder Fertigstellungsbehauptungen erfinden.

Kernprinzip

Status-Artefakt zuerst → HTML rendert Artefakt → Mensch kann Nachweis prüfen

Niemals so vorgehen:

Hübsche Seite zuerst → vage grüne Sprache → Mensch schließt auf Fortschritt

Erforderliche Antworten im ersten Ansichtsfenster

Eine generierte Statusseite muss antworten:

  1. Was versucht der Agent zu erledigen?
  2. Wo genau stehen wir?
  3. Was ist gerade bestanden?
  4. Was ist noch nicht belegt?
  5. Was ist der nächste Schritt?
  6. Läuft der Agent, ist er blockiert, im Leerlauf oder wartet er auf den Menschen?
  7. Welcher Nachweis untermauert die aktuelle Behauptung?
  8. Was soll der Agent als Nächstes nicht tun?

Zustandsmodell

Zulässige Zustände:

  • not_started
  • running
  • needs_attention
  • blocked
  • failed
  • passed_scoped_gate
  • done
  • idle

Wichtige Unterscheidung:

passed_scoped_gate != done

Verwende done nur, wenn das endgültige Ziel ein explizites abschließendes Nachweis-Artefakt besitzt.

Gängige Befehle

Eine Kampagne initialisieren:

./run.sh init \
  --campaign refactor-harness-e2e \
  --goal "Finishing des scoped Refactor-Harness-E2E-Nachweises"

Ein Gate als laufend markieren:

./run.sh update \
  --campaign refactor-harness-e2e \
  --state running \
  --current-step "Härtenden Concurrent-LLM- + OpenCode-Summarize-Gate ausführen"

Ein bestandenes Gate protokollieren:

./run.sh gate-passed \
  --campaign refactor-harness-e2e \
  --label "A01-A18 gehärteter Concurrent-LLM- + OpenCode-Summarize" \
  --verdict PASS_SPEC \
  --proof ".plan-iterate/refactor-harness-e2e/proof/refactor-concurrent-mixed.json" \
  --next-action "Reviewer-Paket + Reviewer-Fan-In-PHASE starten" \
  --not-proven "Transport Room B1 UI" \
  --not-proven "build_review_packet reviewer fan-in" \
  --not-proven "Vollständige OpenCode-Nachrichtenzustellung"

Den Menschen um eine Entscheidung bitten:

./run.sh needs-human \
  --campaign refactor-harness-e2e \
  --question "Welche nächste Kampagne soll der Agent ausführen?" \
  --option "A=Harness fortsetzen: Reviewer-Paket + Reviewer-Fan-In" \
  --option "B=TransportUI: Transport Room B1 starten" \
  --option "C=Nur stabilisieren: Checkpoint und Stopp"

Die Statusseite erneut rendern:

./run.sh render --campaign refactor-harness-e2e

Anti-Dashboard-Theater-Regeln

  1. Keine Prozentangaben.
  2. Kein grünes „Abgeschlossen“, es sei denn, das endgültige Ziel ist belegt.
  3. Jedes BESTANDEN muss sein Nachweis-Artefakt benennen.
  4. Jeder Status muss zeigen, was nicht belegt ist.
  5. Jeder Leerlauf-Zustand muss sagen, warum der Agent im Leerlauf ist.
  6. Jeder Warte-auf-Mensch-Zustand muss ein Entscheidungsmenü enthalten.
  7. Jeder blockierte Zustand muss das fehlende Artefakt, den Dienst, das Gate oder die Entscheidung benennen.
  8. Automatische Aktualisierung ist nur erlaubt, wenn die Seite status.json liest.
  9. Wenn status.json veraltet ist, muss die Seite „veraltet“ anzeigen.
  10. Prüfer-Urteile sind Quittungen, kein Fertigstellungsnachweis.

Wann verwenden

Verwende dieses Skill für:

  • /plan-iterate
  • /orchestrate
  • /review-design
  • /review-code
  • /debugger
  • /ask deep-review
  • /code-runner
  • /subagent-runner
  • jede mehrschrittige Projekt-Agenten-Arbeit, die länger als einen fokussierten Befehl dauert

Artefakt-Erwartungen

status.json ist die Quelle der Wahrheit.

events.jsonl ist append-only und protokolliert Zustandsübergänge.

proof_manifest.json listet die Nachweis-Artefakte auf, die durch Statusbehauptungen benannt werden.

STATUS.html wird generiert, ist veraltungsbewusst und kann sicher im Browser geöffnet werden.

Abschlussstandard

Eine abschließende Antwort für länger laufende Agentenarbeit sollte das aktuelle Status-Artefakt zusammenfassen und – falls verfügbar – auf den Pfad der STATUS.html verlinken oder diesen zitieren.

Behaupte keinen Abschluss, es sei denn:

  • der Zustand ist done;
  • last_completed.proof_path zeigt auf ein endgültiges Nachweis-Artefakt;
  • not_proven ist leer oder explizit als außerhalb des Rahmens gekennzeichnet;
  • Blocker sind leer.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agent-inbox

File-based inter-agent messaging with headless dispatch. Check inbox, send bugs/requests to other projects, automatically spawn headless agents to fix bugs, and track progress via task-monitor.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/argue

Multi-persona structured debate orchestrator. Personas research via /dogpile, consult colleagues via /ask, and argue toward nuanced synthesis on complex questions.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/ask

Use when the user asks to query project memory, ask an oracle, use supported browser-backed reviewers, run Tau roundtable/single-handler workflows, ask Pi-native subagents from within Pi, run persona/deep-review workflows, generate image prompts, check OS/project health through composed skills, or run an ask DAG. This skill is the executable /ask runtime; do not replace it with an informal subagent, plain web search, or hand-written review; inside Pi, explicit Pi-native subagent targets are routed through the pi-subagents tool as an Ask target type.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

grahama1970/batch-quality

Pre-flight validation and quality gates for batch LLM operations. ACTUALLY tests samples through LLM before burning tokens. Uses SPARTA contracts for DuckDB validation queries. Integrates with task-monitor for enforced quality gates.

Verwandte Skills