Communitygithub.com

benchmark-optimization-loop

Úsalo cuando el usuario pida hacer algo más rápido, probar muchas variantes, ejecutar optimización recursiva, medir latencia/rendimiento/costo o elegir la mejor implementación mediante pruebas repetidas y medidas.

¿Qué es benchmark-optimization-loop?

Este skill permite convertir solicitudes vagas como 'hazlo 20 veces más rápido' o 'prueba 50 optimizaciones recursivas' en un bucle de medición acotado que realmente puede mejorar un sistema. Está diseñado para agentes de IA como Claude Code, Cursor o Codex, y se basa en la documentación SKILL.md. El skill establece una línea base obligatoria (operación, puerta de corrección, métrica, línea base y presupuesto de búsqueda) antes de optimizar. Luego ejecuta un bucle iterativo: mide la línea base, identifica cuellos de botella, genera variantes que prueban una hipótesis cada una, las ejecuta con la misma entrada, rechaza las que fallan en corrección/seguridad/reproducibilidad, promueve la variante más rápida y segura, y codifica el camino ganador. Para trabajo recursivo o de hiperparámetros, persiste cada ejecución, compara contra el ganador anterior, y se detiene cuando la mejora es ruido, falla la corrección, se excede el presupuesto o se cambian más variables de las que se pueden explicar. La promoción final requiere pruebas de corrección, delta repetido o explicado, reversión obvia, cambio en control de versiones y resumen con comandos exactos.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/benchmark-optimization-loop

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Bucle de Optimización con Benchmarks

Usa este skill para convertir "hazlo 20 veces más rápido" o "prueba 50 optimizaciones recursivas" en un bucle de medición acotado que realmente pueda mejorar un sistema.

Línea Base Requerida

No optimices hasta que existan:

  • la operación que se está optimizando;
  • la puerta de corrección que debe permanecer verde;
  • la métrica: tiempo de ejecución, latencia p95, filas/segundo, costo/ejecución, memoria, tasa de error;
  • la línea base actual;
  • el presupuesto de búsqueda: variantes máximas, tiempo máximo, gasto máximo, impacto máximo en datos.

Si el usuario pide un objetivo poco realista, mantén la ambición pero haz que el bucle sea acotado y medible.

Bucle

  1. Mide la línea base.
  2. Identifica cuellos de botella a partir de evidencia.
  3. Genera variantes que prueben una hipótesis cada una.
  4. Ejecuta variantes con la misma forma de entrada.
  5. Rechaza variantes que fallen en corrección, seguridad o reproducibilidad.
  6. Promueve la variante segura más rápida.
  7. Codifica el camino ganador en un script, comando, prueba, configuración o documento.
  8. Vuelve a ejecutar la línea base y el ganador para confirmar el delta.

Tabla de Variantes

Registra las variantes de esta manera:

Variante   | Hipótesis               | Comando                        | Tiempo | ¿Correcta? | Notas
baseline   | ruta actual              | npm run job                    | 120s   | sí         | estable
batch-500  | menos viajes de ida/vuelta| npm run job -- --batch 500     | 42s    | sí         | ganador
parallel-8 | más workers              | npm run job -- --workers 8     | 31s    | no         | limitado por tasa

Búsqueda Recursiva

Para trabajo recursivo o de hiperparámetros:

  • persiste cada ejecución en un registro;
  • compara contra el ganador aceptado anterior, no solo contra la ejecución previa;
  • mantén una comprobación de reserva o reproducción;
  • detente cuando la mejora esté dentro del ruido, falle la corrección, el costo supere el presupuesto, o la búsqueda empiece a cambiar más variables de las que puede explicar.

Usa frases como "mejor variante segura medida" en lugar de "óptimo global" a menos que el espacio de búsqueda haya sido realmente exhaustivo.

Puerta de Promoción

Una variante no puede convertirse en la nueva predeterminada hasta que:

  • las pruebas de corrección pasen;
  • el delta de rendimiento se repita o explique;
  • la reversión sea obvia;
  • el cambio esté codificado en control de versiones o en un runbook duradero;
  • el resumen final incluya comandos y mediciones exactas.

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.

Skills relacionados