Communitygithub.com

Open-Source Pipeline

Pipeline für Open-Source: Fork, Bereinigung und Paketierung privater Projekte für die sichere öffentliche Veröffentlichung. Verkettet 3 Agenten (Forker, Sanitizer, Packager).

Was ist Open-Source Pipeline?

Die Open-Source Pipeline Skill ermöglicht die sichere Veröffentlichung privater Projekte als Open Source durch einen dreistufigen Prozess: Fork, Sanitize und Package. Der Forker erstellt eine bereinigte Kopie ohne Secrets, der Sanitizer führt sechs Scan-Kategorien durch (Secrets, PII, interne Referenzen, gefährliche Dateien, Konfiguration, Git-Historie) und der Packager generiert CLAUDE.md, setup.sh, README, Lizenz sowie Contributing-Dateien. Die Skill wird über Befehle wie `/opensource fork` oder `/opensource verify` aktiviert, erfordert Benutzerbestätigung vor dem GitHub-Push und unterstützt maximale drei Wiederholungen bei fehlgeschlagenen Sanitizer-Läufen. Entwickelt für Claude Code und ähnliche KI-Agentenplattformen, reduziert es das Risiko von Datenlecks und automatisiert den gesamten Open-Source-Workflow.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/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

Jedes Projekt sicher als Open Source veröffentlichen durch eine 3-stufige Pipeline: Fork (Secrets entfernen) → Sanitize (auf Sauberkeit prüfen) → Package (CLAUDE.md + setup.sh + README).

Wann aktivieren

  • Benutzer sagt "Mach dieses Projekt Open Source" oder "Veröffentliche es öffentlich"
  • Benutzer möchte ein privates Repository für die öffentliche Veröffentlichung vorbereiten
  • Benutzer muss Secrets entfernen, bevor er nach GitHub pusht
  • Benutzer ruft /opensource fork, /opensource verify oder /opensource package auf

Befehle

BefehlAktion
/opensource fork PROJEKTVollständige Pipeline: Fork + Sanitize + Package
/opensource verify PROJEKTSanitizer auf bestehendem Repository ausführen
/opensource package PROJEKTCLAUDE.md + setup.sh + README generieren
/opensource listAlle bereitgestellten Projekte anzeigen
/opensource status PROJEKTBerichte für ein bereitgestelltes Projekt anzeigen

Protokoll

/opensource fork PROJEKT

Vollständige Pipeline – der Hauptworkflow.

Schritt 1: Parameter sammeln

Projektpfad auflösen. Enthält PROJEKT einen /, als Pfad behandeln (absolut oder relativ). Sonst 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-Repository-Name?" (Standard: Projektname)
  5. "Beschreibung für README?" (Projekt für Vorschlag analysieren)

Schritt 2: Staging-Verzeichnis erstellen

mkdir -p $HOME/opensource-staging/

Schritt 3: Forker-Agent ausführen

Den opensource-forker-Agent starten:

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

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

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

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

Schritt 4: Sanitizer-Agent ausführen

Den opensource-sanitizer-Agent 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. Secrets-Scan (KRITISCH)
2. PII-Scan (KRITISCH)
3. Scan interner Referenzen (KRITISCH)
4. Prüfung auf gefährliche Dateien (KRITISCH)
5. Konfigurationsvollständigkeit (WARNUNG)
6. Git-Historie-Audit

SANITIZATION_REPORT.md in {STAGING_PATH}/ mit BESTANDEN/FEHLGESCHLAGEN-Urteil generieren.
"""
)

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

Bei FEHLGESCHLAGEN: Ergebnisse dem Benutzer zeigen. Fragen: "Diese beheben und erneut prüfen, oder abbrechen?"

  • Bei Behebung: Korrekturen anwenden, Sanitizer erneut ausführen (maximal 3 Versuche – nach 3 Fehlschlägen alle Ergebnisse präsentieren und Benutzer bitten, manuell zu korrigieren)
  • Bei Abbruch: Staging-Verzeichnis bereinigen

Bei BESTANDEN oder BESTANDEN MIT WARNUNGEN: Mit Schritt 5 fortfahren.

Schritt 5: Packager-Agent ausführen

Den opensource-packager-Agent starten:

Agent(
  description="Projekt {PROJEKT} für Open Source paketieren",
  subagent_type="opensource-packager",
  prompt="""
Open-Source-Paketierung für Projekt generieren

Projekt: {STAGING_PATH}
Lizenz: {chosen_license}
Projektname: {PROJEKT_NAME}
Beschreibung: {description}
GitHub-Repo: {github_repo}

Generieren:
1. CLAUDE.md (Befehle, Architektur, wichtige Dateien)
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: {license}
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? (ja/nein/zuerst überprüfen)

Schritt 7: GitHub-Veröffentlichung (nach Benutzerzustimmung)

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

/opensource verify PROJEKT

Sanitizer unabhängig ausführen. Pfad auflösen: Enthält PROJEKT einen /, als Pfad behandeln. Sonst $HOME/opensource-staging/PROJEKT, dann $HOME/PROJEKT, dann aktuelles Verzeichnis prüfen.

Agent(
  subagent_type="opensource-sanitizer",
  prompt="Bereinigung von {resolved_path} überprüfen. 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="Paketieren: {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 Layout

$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

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

Best Practices

  • Für neue Versionen immer die vollständige Pipeline (Fork → Sanitize → Package) ausführen
  • Das Staging-Verzeichnis bleibt bis zur expliziten Bereinigung bestehen – zur Überprüfung nutzen
  • Vor der Veröffentlichung nach manuellen Korrekturen den Sanitizer erneut ausführen
  • Secrets parametrisieren statt löschen – Projektfunktionalität erhalten

Verwandte Skills

Siehe security-review für die vom Sanitizer verwendeten Erkennungsmuster für Secrets.

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Verwandte Skills