Communitygithub.com

Open-Source Pipeline

Pipeline für Open-Source: Forken, bereinigen und verpacken privater Projekte zur sicheren öffentlichen Veröffentlichung. Verkettet 3 Agenten (Forker, Sanitizer, Packager).

Was ist Open-Source Pipeline?

Der Open-Source Pipeline Skill automatisiert die Veröffentlichung privater Codebasis als Open-Source durch eine dreistufige Pipeline: Forken (Sekreten entfernen), Bereinigen (Sauberkeit prüfen) und Verpacken (CLAUDE.md, setup.sh, README generieren). Er wird aktiviert, wenn Benutzer einen Befehl zum Öffnen eines Projekts geben, z. B. '/opensource fork PROJEKT'. Der Skill unterstützt Agenten wie Claude Code und Cursor und verwendet Unteragenten für jeden Schritt, um die Sicherheit zu gewährleisten: Der Forker kopiert Code ohne sensible Daten, der Sanitizer prüft auf Sekreten, personenbezogene Daten und interne Verweise, und der Packager erzeugt Dokumentation, Lizenz und CI-Vorlagen. Der Benutzer genehmigt jederzeit die Veröffentlichung auf GitHub. Auch unabhängige Überprüfungen mittels '/opensource verify' oder '/opensource package' sind möglich. Der Skill ist besonders nützlich für Entwicklerteams, die private Repositories sicher öffentlich machen möchten, ohne Risiken durch versehentliche Offenlegung von Credentials oder internen Konfigurationen einzugehen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/opensource-pipeline

In Ihrer bevorzugten KI fragen

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

Dokumentation

Open-Source Pipeline Skill

Öffnen Sie jedes Projekt sicher für Open-Source mit einer 3-stufigen Pipeline: Fork (Sekreten entfernen) → Bereinigen (Sauberkeit prüfen) → Verpacken (CLAUDE.md + setup.sh + README).

Wann aktivieren

  • Benutzer sagt "dieses Projekt als Open-Source veröffentlichen" oder "öffentlich machen"
  • Benutzer möchte ein privates Repository für die öffentliche Freigabe vorbereiten
  • Benutzer muss Sekreten entfernen, bevor er zu GitHub pusht
  • Benutzer ruft /opensource fork, /opensource verify oder /opensource package auf

Befehle

BefehlAktion
/opensource fork PROJEKTVollständige Pipeline: Fork + Bereinigen + Verpacken
/opensource verify PROJEKTSanitizer auf bestehendem Repo ausführen
/opensource package PROJEKTCLAUDE.md + setup.sh + README generieren
/opensource listAlle gestagten Projekte anzeigen
/opensource status PROJEKTBerichte für ein gestagtes Projekt anzeigen

Protokoll

/opensource fork PROJEKT

Vollständige Pipeline — der Hauptworkflow.

Schritt 1: Parameter sammeln

Projektpfad auflösen. Wenn PROJEKT ein / enthält, als Pfad behandeln (absolut oder relativ). Andernfalls prüfen: aktuelles Arbeitsverzeichnis, $HOME/PROJEKT, dann Benutzer fragen.

SOURCE_PATH="<aufgelöster absoluter Pfad>"
STAGING_PATH="$HOME/opensource-staging/${PROJEKT_NAME}"

Benutzer fragen:

  1. "Welches Projekt?" (falls nicht gefunden)
  2. "Lizenz? (MIT / Apache-2.0 / GPL-3.0 / BSD-3-Clause)"
  3. "GitHub-Organisation oder Benutzername?" (Standard: via gh api user -q .login erkennen)
  4. "GitHub-Repo-Name?" (Standard: Projektname)
  5. "Beschreibung für README?" (Projekt analysieren für Vorschlag)

Schritt 2: Staging-Verzeichnis erstellen

mkdir -p $HOME/opensource-staging/

Schritt 3: Forker-Agent ausführen

Den Agenten opensource-forker starten:

Agent(
  description="Fork {PROJEKT} für Open-Source",
  subagent_type="opensource-forker",
  prompt="""
Projekt für Open-Source-Veröffentlichung forken.

Quelle: {SOURCE_PATH}
Ziel: {STAGING_PATH}
Lizenz: {gewählte_lizenz}

Das vollständige Fork-Protokoll ausführen:
1. Dateien kopieren (ausgenommen .git, node_modules, __pycache__, .venv)
2. Alle Sekreten und Anmeldedaten entfernen
3. Interne Verweise durch Platzhalter ersetzen
4. .env.example generieren
5. Git-Verlauf bereinigen
6. FORK_REPORT.md in {STAGING_PATH}/FORK_REPORT.md generieren
"""
)

Auf Abschluss warten. {STAGING_PATH}/FORK_REPORT.md lesen.

Schritt 4: Sanitizer-Agent ausführen

Den Agenten opensource-sanitizer starten:

Agent(
  description="Bereinigung von {PROJEKT} überprüfen",
  subagent_type="opensource-sanitizer",
  prompt="""
Bereinigung des Open-Source-Forks überprüfen.

Projekt: {STAGING_PATH}
Quelle (als Referenz): {SOURCE_PATH}

ALLE Scan-Kategorien ausführen:
1. Sekreten-Scan (KRITISCH)
2. PII-Scan (KRITISCH)
3. Interne Verweise-Scan (KRITISCH)
4. Prüfung auf gefährliche Dateien (KRITISCH)
5. Konfigurationsvollständigkeit (WARNUNG)
6. Git-Verlaufsaudit

SANITIZATION_REPORT.md in {STAGING_PATH}/ mit PASS/FAIL-Ergebnis generieren.
"""
)

Auf Abschluss warten. {STAGING_PATH}/SANITIZATION_REPORT.md lesen.

Bei FAIL: Ergebnisse dem Benutzer anzeigen. Fragen: "Diese beheben und erneut scannen, oder abbrechen?"

  • Bei beheben: Korrekturen anwenden, Sanitizer erneut ausführen (maximal 3 Wiederholungsversuche — nach 3 FAILs alle Ergebnisse präsentieren und Benutzer bitten, manuell zu korrigieren)
  • Bei abbrechen: Staging-Verzeichnis bereinigen

Bei PASS oder PASS WITH WARNINGS: Mit Schritt 5 fortfahren.

Schritt 5: Packager-Agent ausführen

Den Agenten opensource-packager starten:

Agent(
  description="Verpackung von {PROJEKT} für Open-Source",
  subagent_type="opensource-packager",
  prompt="""
Open-Source-Verpackung für Projekt generieren.

Projekt: {STAGING_PATH}
Lizenz: {gewählte_lizenz}
Projektname: {PROJEKT_NAME}
Beschreibung: {beschreibung}
GitHub-Repo: {github_repo}

Generieren:
1. CLAUDE.md (Befehle, Architektur, Schlüsseldateien)
2. setup.sh (Ein-Befehl-Bootstrap, ausführbar machen)
3. README.md (oder vorhandene erweitern)
4. LICENSE
5. CONTRIBUTING.md
6. .github/ISSUE_TEMPLATE/ (bug_report.md, feature_request.md)
"""
)

Schritt 6: Abschließende Prüfung

Dem Benutzer präsentieren:

Open-Source-Fork bereit: {PROJEKT_NAME}

Ort: {STAGING_PATH}
Lizenz: {lizenz}
Generierte Dateien:
  - CLAUDE.md
  - setup.sh (ausführbar)
  - README.md
  - LICENSE
  - CONTRIBUTING.md
  - .env.example ({N} Variablen)

Bereinigung: {sanitization_verdict}

Nächste Schritte:
  1. Überprüfen: cd {STAGING_PATH}
  2. Repo erstellen: gh repo create {github_org}/{github_repo} --public
  3. Pushen: git remote add origin ... && git push -u origin main

Mit GitHub-Erstellung fortfahren? (yes/no/review first)

Schritt 7: GitHub-Veröffentlichung (bei Zustimmung des Benutzers)

cd "{STAGING_PATH}"
gh repo create "{github_org}/{github_repo}" --public --source=. --push --description "{beschreibung}"

/opensource verify PROJEKT

Sanitizer unabhängig ausführen. Pfad auflösen: Wenn PROJEKT ein / enthält, als Pfad behandeln. Andernfalls $HOME/opensource-staging/PROJEKT, dann $HOME/PROJEKT, dann aktuelles Verzeichnis prüfen.

Agent(
  subagent_type="opensource-sanitizer",
  prompt="Bereinigung überprüfen von: {resolved_path}. Alle 6 Scan-Kategorien ausführen und SANITIZATION_REPORT.md generieren."
)

/opensource package PROJEKT

Packager unabhängig ausführen. Nach "Lizenz?" und "Beschreibung?" fragen, dann:

Agent(
  subagent_type="opensource-packager",
  prompt="Verpacken: {resolved_path} ..."
)

/opensource list

ls -d $HOME/opensource-staging/*/

Jedes Projekt mit Pipeline-Fortschritt anzeigen (Vorhandensein von FORK_REPORT.md, SANITIZATION_REPORT.md, CLAUDE.md).


/opensource status PROJEKT

cat $HOME/opensource-staging/${PROJEKT}/SANITIZATION_REPORT.md
cat $HOME/opensource-staging/${PROJEKT}/FORK_REPORT.md

Staging-Struktur

$HOME/opensource-staging/
  mein-projekt/
    FORK_REPORT.md           # Vom Forker-Agent
    SANITIZATION_REPORT.md   # Vom Sanitizer-Agent
    CLAUDE.md                # Vom Packager-Agent
    setup.sh                 # Vom Packager-Agent
    README.md                # Vom Packager-Agent
    .env.example             # Vom Forker-Agent
    ...                      # Bereinigte Projektdateien

Anti-Patterns

  • Nie ohne Benutzerzustimmung zu GitHub pushen
  • Nie den Sanitizer überspringen — er ist das Sicherheitstor
  • Nie nach einem Sanitizer-FAIL fortfahren, ohne alle kritischen Befunde zu beheben
  • Nie .env, *.pem oder credentials.json im Staging-Verzeichnis belassen

Best Practices

  • Für neue Veröffentlichungen immer die vollständige Pipeline ausführen (Fork → Bereinigen → Verpacken)
  • Das Staging-Verzeichnis bleibt erhalten, bis es explizit bereinigt wird — zur Überprüfung nutzen
  • Nach manuellen Korrekturen vor der Veröffentlichung den Sanitizer erneut ausführen
  • Sekreten parametrisieren statt löschen — Projektfunktionalität erhalten

Verwandte Skills

Siehe security-review für die vom Sanitizer verwendeten Muster zur Sekretenerkennung.

Individual skills in this repo

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

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills