Communitygithub.com

delivery-gate

Hook de parada que bloquea a Claude hasta que las verificaciones de calidad pasan. Detecta patrones de racionalización (heurísticas de texto superficial), registros de aprendizaje obsoletos (mtime del sistema de archivos) y poco espacio en disco. Complementa self-audit imponiendo mecánicamente hábitos de captura de aprendizaje. Úsalo cuando Claude deba ser bloqueado mecánicamente para declarar el trabajo terminado antes de que las verificaciones de calidad y la captura de aprendizaje pasen realmente.

¿Qué es delivery-gate?

Delivery-gate es un hook de parada para Claude Code que impone verificaciones de calidad mecánicas y deterministas antes de permitir que una sesión finalice. A diferencia de gates de razonamiento como `self-audit`, que verifican la calidad del contenido, delivery-gate se enfoca en hechos verificables por máquina: marcas de tiempo de archivos de aprendizaje, espacio en disco, y patrones textuales de racionalización en el transcript. Soporta cualquier sistema con Python 3.8+ (Windows, macOS, Linux) y no requiere dependencias externas. La herramienta es ideal para equipos que quieren asegurar que, en tareas complejas, los registros de aprendizaje se capturen diariamente y el espacio en disco no se convierta en un problema silencioso. Se configura fácilmente mediante variables en el script y se integra como un hook Stop en la configuración de Claude Code.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/delivery-gate

Preguntar en tu IA favorita

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

Documentación

Delivery Gate — Barrera de Calidad Mecánica para Claude Code

Un hook de parada que verifica tres cosas antes de que Claude pueda finalizar una sesión, usando únicamente verificaciones deterministas — marcas de tiempo de modificación de archivos, uso de disco y patrones regex en el texto del transcript. Sin inferencia de IA.

Esto es diferente de las barreras de razonamiento (como self-audit): delivery-gate verifica hechos verificables por máquina; self-audit verifica la calidad del resultado en cuatro dimensiones de razonamiento. Juntos forman defensa en profundidad:

  • delivery-gate: "¿Se tocó la biblioteca de aprendizaje hoy? ¿Está seguro el espacio en disco?"
  • self-audit: "¿El contenido del archivo es correcto, completo y honesto?"

Este es el mismo patrón que las barreras de pipeline de CI — verificaciones automatizadas y deterministas que verifican hechos legibles por máquina en lugar de confiar en un estado auto-reportado.

Qué Verifica

VerificaciónMecanismoAl Acertar
Patrones de racionalizaciónRegex en la cola del transcriptSolo advertencia (nunca bloquea)
Bibliotecas de aprendizaje obsoletasmtime en 5 rutas configurablesAdvertencia si algunas están obsoletas; Bloqueo si >=3 están obsoletas O el registro de crecimiento está obsoleto + tarea compleja
Espacio en disco < 50 GBshutil.disk_usageAdvertencia
Espacio en disco < 15 GBshutil.disk_usageBloqueo (exit 2)

La detección de racionalización advierte sobre patrones como "omitir pruebas por ahora" y "error preexistente" — señales superficiales de que el pensamiento pudo haberse acortado. Nunca bloquea por sí sola, porque las heurísticas regex pueden dar falsos positivos. Las condiciones de bloqueo son: disco crítico, >=3 bibliotecas de aprendizaje obsoletas, O growth-log específicamente obsoleto (ambos requieren tarea compleja >=3 ediciones).

Por Qué

Las verificaciones integradas de Claude Code cubren la calidad del código (compilación → tipo → lint → prueba). Pero hay un modo de fallo diferente: el agente produce código funcional mientras que la higiene de la sesión fue descuidada — aprendizaje no capturado, atajos racionalizados, disco agotándose silenciosamente.

A lo largo de muchas sesiones de "enviar y olvidar", el humano no ha crecido. Este hook impone el hábito: tarea compleja → debe tocar las bibliotecas de aprendizaje.

Instalación

cp quality-gate.py ~/.claude/scripts/

Agrega a ~/.claude/settings.json:

{
  "hooks": {
    "Stop": [{
      "hooks": [{
        "type": "command",
        "command": "python3 ~/.claude/scripts/quality-gate.py",
        "timeout": 5000
      }]
    }]
  }
}

Bibliotecas de Aprendizaje

Crea estos archivos en el directorio de memoria de tu proyecto. El hook verifica si al menos uno fue actualizado hoy:

memory/
├── growth-log/          # Entradas de aprendizaje diarias (directorio)
├── decisions/log.md     # Registro de decisiones
├── output-index.md      # Índice de resultados de sesión
├── ratings-tracker.md   # Seguimiento de calificaciones de habilidades a lo largo del tiempo
└── tooling_capabilities.md  # Inventario de herramientas conocidas

Personaliza el diccionario LIBS para que coincida con tu propia estructura de archivos.

Configuración

Edita quality-gate.py:

VariableValor por DefectoPropósito
RATIONALIZE4 patronesPatrones regex para detección de racionalización
LIBS5 bibliotecasArchivos/directorios para verificar actualizaciones de hoy
COMPLEX_THRESHOLD3Llamadas a Editar/Escribir para clasificar como complejo
DISK_WARN_GB50Advertir por debajo de esto
DISK_CRIT_GB15Bloquear por debajo de esto

Ejemplos

Sesión simple — permitida:

edit_count=1 (< 3, no compleja) → exit 0

Tarea compleja, aprendizaje capturado — permitida:

edit_count=5 (compleja) → verifica LIBS → growth-log actualizado hoy → exit 0

Tarea compleja, sin aprendizaje — BLOQUEADA:

edit_count=4 (compleja) → verifica LIBS → las 5 obsoletas → exit 2
stderr: "Bloqueado: tarea compleja completada pero no se capturó aprendizaje hoy."

Poco espacio en disco — BLOQUEADO:

disk_free=12GB < 15GB crítico → exit 2
stderr: "Bloqueado: espacio en disco en 12GB (umbral: 15GB)."

Limitaciones

El hook impone el hábito de tocar las bibliotecas de aprendizaje, no la calidad de lo registrado. Si output-index.md se actualiza pero growth-log se omite, el hook pasa (1 de 5 bibliotecas tocadas). Esto es por diseño: las barreras mecánicas verifican hechos verificables por máquina. Para la verificación de la calidad del contenido, combínalo con self-audit.

Compatibilidad

  • Python 3.8+ (usa from __future__ import annotations)
  • Multiplataforma: Windows, macOS, Linux
  • Cero dependencias más allá de la biblioteca estándar

Calidad

Este código pasó por 4 rondas de revisión de código automatizada (CodeRabbit + Greptile) con 9 errores reales encontrados y corregidos.

Ver También

  • self-audit — Barrera de calidad de razonamiento (exhaustividad/consistencia/fundamentación/honestidad)
  • verification-loop — Verificaciones de calidad de código (compilación/tipo/lint/prueba)
  • gateguard — Barrera de seguridad PreToolUse

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