Communitygithub.com

orc-pipeline

Gemeinsame Orchestrierungs-Engine für die orch-*-Skillfamilie. Definiert die gated Research-Plan-TDD-Review-Commit-Pipeline, den Größenklassifizierer, die Agentenzuordnung und die beiden menschlichen Gates, an die die orch-*-Operationsskills delegieren. Wird normalerweise nicht direkt aufgerufen.

Was ist orc-pipeline?

Die `orch-pipeline` ist die zentrale, gemeinsam genutzte Engine hinter der `orch-*` Skillfamilie. Anstatt jede Operation von Grund auf neu zu implementieren, klassifizieren die einzelnen `orch-*` Skills (wie `orch-add-feature`, `orch-fix-defect`) die Anfrage nach Größe und Komplexität und delegieren dann die Ausführung an eine standardisierte, mehrstufige Pipeline mit zwei menschlichen Genehmigungs-Gates. Dieses Design ermöglicht konsistente, nachvollziehbare und skalierbare Arbeitsabläufe über verschiedene Entwicklungsszenarien hinweg – von trivialen Codeänderungen bis hin zur Erstellung eines kompletten MVP aus einer Spezifikation. Die Pipeline besteht aus den Phasen Intake (Erfassung), Research & Reuse (Recherche & Wiederverwendung), Plan (Planung), Implement (TDD-Implementierung), Review (Überprüfung) und Commit – unterbrochen durch ein Plan-Gate (Gate 1) und ein Commit-Gate (Gate 2), um menschliche Kontrolle an den kritischen Entscheidungspunkten zu gewährleisten. Zusätzlich wird ein Größenklassifizierer verwendet, um den angemessenen Umfang der Zeremonie (Trivial, Small, Standard, Large) zu bestimmen, und es gibt spezielle Trigger für Sicherheitsüberprüfungen. Der gesamte Ablauf basiert auf der Komposition bestehender ECC-Befehle und -Agenten, was Wartbarkeit und Erweiterbarkeit fördert.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Orchestrator-Pipeline (gemeinsame Engine)

Die orch-* Skills sind dünne Hüllen. Sie implementieren keine Arbeit neu – sie klassifizieren die Anfrage, wählen aus, welche Phasen dieser Pipeline ausgeführt werden, und delegieren jede Phase an einen vorhandenen ECC-Agenten oder Befehl. Diese Datei ist jene Pipeline.

Rufen Sie einen Operationsskill auf (orch-add-feature, orch-fix-defect, …) anstatt diese Engine direkt zu verwenden. Diese Datei ist die Referenz, auf die sie verweisen.

Wann verwenden

  • Indirekt geladen, sobald ein orch-* Operationsskill ausgeführt wird.
  • Direkt nur lesen, wenn eine neue Operation zur Familie hinzugefügt wird oder die gemeinsamen Phasen, Gates oder die Agentenzuordnung angepasst werden.

Die Operationsfamilie

SkillOperationAuslöserErster Schritt
orch-add-featurefeatureFunktionalität existiert noch nichtRecherche + Planung einer neuen Teilaufgabe
orch-change-featuretweakFunktioniert, aber gewünschtes Verhalten weicht abVorhandenes Verhalten und seine Tests anpassen
orch-fix-defectfixDefekt; Verhalten ist falschAls fehlschlagenden Test reproduzieren, dann beheben
orch-refine-coderefactorVerhalten bleibt, Struktur verbessert sichUmstrukturieren, während Tests grün bleiben
orch-build-mvpmvpBootstrap aus einem Design-/SpezifikationsdokumentDokument einlesen → vertikale Teilaufgaben

Diese Hüllen komponieren vorhandene ECC-Befehle, anstatt sie zu ersetzen: /feature-dev, /plan, /code-review, /build-fix, /refactor-clean und /gan-build, plus den tdd-workflow Skill. Die orch-* Familie fügt den gemeinsamen Größenklassifizierer und die beiden Gates hinzu, sodass ein Dach alle fünf Operationen konsistent abdeckt.

Schritt 0 – Größe klassifizieren (right-sizing)

Der Umfang der Zeremonie skaliert mit dem Schadensradius. Bewerten Sie die Anfrage anhand von drei Signalen, nehmen Sie die höchste Stufe, die ein Signal erreicht, und geben Sie das Ergebnis in einer Zeile aus, damit der Benutzer es überschreiben kann:

StufeBerührte DateienNeue Abhängigkeit / VertragDesign-MehrdeutigkeitAusgeführte Phasen
trivial1, wenige Zeilenkeinekeine – die Änderung ist offensichtlich4 → 5 → 6
small1 Datei / 1 Funktionkeineklar, sobald man den Code liest(1 leicht) → 4 → 5 → 6
standard2–5 Dateienvielleicht ein neues internes Moduleine echte Entscheidung zu treffen1 → 2 → 4 → 5 → 6
largeviele / übergreifendneue externe Abhängigkeit, öffentliche API oder ein Spezifikationsdokumentmehrere offene Fragen1 → 2 → (3) → 4 → 5 → 6

Phase 0 (Intake) läuft immer und ist in der obigen Spalte weggelassen. Der Tie-Breaker: Alles, was einen Sicherheitstrigger (unten) oder eine öffentliche API / einen Vertrag berührt, ist mindestens standard, unabhängig von der Dateianzahl.

Die Phasen

Jede Phase delegiert – sie führt die Arbeit nicht inline aus.

  • 0. Intake – die Anfrage neu formulieren. Für orch-build-mvp das Spezifikations-/Design- Dokument lesen und Umfang, festgelegte Entscheidungen und eine Feature-Liste extrahieren.
  • 1. Research & Reuse – gemäß rules/common/development-workflow.md: gh search repos / gh search code, dann Context7 / Anbieterdokumente, dann Paketregister, dann Exa. Bevorzugen Sie die Übernahme einer bewährten Implementierung gegenüber neuem Code.
  • 2. Plan – an den planner-Agenten delegieren (oder architect / code-architect für strukturelle Entscheidungen). Eine task_list ausgeben, geordnet als dünne vertikale Teilaufgaben. → GATE 1.
  • 3. Scaffold – nur orch-build-mvp: die erste Ende-zu-Ende-Teilaufgabe aufsetzen.
  • 4. Implementieren (TDD) – jede Aufgabe durch den tdd-guide-Agenten (oder den tdd-workflow Skill) treiben: rot → grün → refactorn. Die erste-Bewegung-Regel der Operation beachten.
  • 5. Review – code-reviewer-Agent / /code-review. security-reviewer hinzufügen, wenn der Diff einen Sicherheitstrigger (unten) berührt.
  • 6. Commit – konventionelle Commits (feat: / fix: / refactor: / …), einer pro logischem Block. → GATE 2.

Die beiden Gates

Diese Familie ist gated, nicht autonom:

  1. GATE 1 – nach Plan. Die task_list präsentieren; keinen Implementierungscode schreiben, bis der Benutzer zustimmt.
  2. GATE 2 – vor Commit. Die Diff-Zusammenfassung und vorgeschlagenen Nachrichten präsentieren; nichts committen, bis der Benutzer bestätigt.

Alles zwischen den Gates fließt ohne Unterbrechung.

Agenten-/Befehlszuordnung

PhasePrimärFallback / Eskalation
Intake / Verstehencode-explorerVorhandene Pfade vor einem Tweak, Fix oder Refactor nachverfolgen
Planplannerarchitect, code-architect für strukturelle Aufrufe
Implementierentdd-guide (oder tdd-workflow Skill)build-error-resolver / /build-fix bei Build-Fehlern
Reviewcode-reviewer / /code-reviewSprachreviewer (python-reviewer, typescript-reviewer, …)
Sicherheitsecurity-reviewer—
MVP-innerer Loop/gan-build "<kurzbeschreibung>" --skip-plannerTreibt gan-generator → gan-evaluator; --max-iterations / --pass-threshold anpassen

Den Sprachreviewer an das Repository anpassen (siehe die eigene CLAUDE.md des Repos).

Sicherheits-Review-Trigger

security-reviewer einbinden, wenn der Diff eines der folgenden Elemente berührt: Authentifizierung oder Autorisierung, Benutzereingabenverarbeitung, Datenbankabfragen, Dateisystempfade, externe API-Aufrufe, Kryptographie oder Geheimnisse / Anmeldeinformationen. (Gemäß rules/common/security.md.)

Übergabe-Artefakte

Die Pipeline trägt keinen versteckten Zustand – die Planungsdokumente sind die Übergabe:

  • task_list (aus Plan) treibt den Implementierungs-Loop.
  • Größere Arbeiten können auch PRD / Architektur / Systemdesign unter dem docs/ des Repos gemäß rules/common/development-workflow.md ausgeben.
  • Review-Erkenntnisse (KRITISCH / HOCH) müssen vor Gate 2 aufgelöst werden.

Verifikation

  • Größenstufe wurde benannt und entsprach der Arbeit
  • Gate 1 (Plan) und Gate 2 (Commit) wurden beide eingehalten
  • security-reviewer lief genau dann, wenn ein Sicherheitstrigger berührt wurde
  • Commits sind konventionell und auf eine logische Änderung begrenzt
  • Neues / geändertes Verhalten hat Tests; Abdeckung ≥ 80 % gemäß rules/common/testing.md

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