Communitygithub.com

Sistemas Críticos de Latencia

Útil para sistemas sensibles a la latencia, como paneles en tiempo real, datos de mercado, agentes de streaming, pasarelas de ejecución, colas, cachés o infraestructura tipo HFT donde importan la frescura y la latencia p95.

¿Qué es Sistemas Críticos de Latencia?

Este skill está diseñado para ingenieros que trabajan en sistemas donde la latencia y la frescura de los datos son críticas, como paneles en tiempo real, datos de mercado, agentes de streaming, colas, cachés e infraestructura de alta frecuencia (HFT). Proporciona un enfoque estructurado para medir y optimizar el rendimiento, dividiendo las métricas en componentes como latencia p50/p95/p99, rendimiento, profundidad de cola y tasa de aciertos de caché. El skill guía al usuario en el mapeo de la ruta crítica (hot path) desde el evento fuente hasta el estado visible, aplicando un orden de optimización claro que prioriza la eliminación de viajes de ida y vuelta innecesarios, el almacenamiento en caché con metadatos de frescura y el procesamiento por lotes. También incluye pautas de verificación mediante lecturas en vivo y barreras de seguridad para evitar optimizaciones que comprometan la validación, oculten datos obsoletos o realicen implementaciones destructivas sin aprobación explícita.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/latency-critical-systems

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Sistemas Críticos de Latencia?

Utilice este skill cuando el usuario se preocupe por el comportamiento en tiempo real, las rutas críticas (hot paths), la frescura del streaming o la velocidad de ejecución. Esto incluye infraestructura tipo HFT, pero el skill está enfocado en ingeniería. No autoriza la negociación en vivo ni el asesoramiento financiero.

Divida las Métricas

No lo reduzca todo a "rápido". Realice un seguimiento de:

  • latencia p50, p95 y p99;
  • rendimiento;
  • antigüedad de la frescura;
  • profundidad de la cola;
  • tasa de aciertos de caché;
  • tiempo de respuesta del proveedor/API;
  • tiempo de renderizado del navegador;
  • corrección bajo carga;
  • comportamiento de fallos y reintentos.

Mapee la Ruta Crítica (Hot Path)

Escriba la ruta desde el usuario/evento hasta el estado visible final:

evento fuente -> API del proveedor -> trabajador de ingesta -> cola -> caché -> ruta de borde
-> flujo del cliente -> renderizado del navegador -> estado visible para el usuario

Luego mida cada segmento por separado.

Orden de Optimización

  1. Elimine los viajes de ida y vuelta innecesarios.
  2. Almacene en caché las lecturas estables con metadatos de frescura.
  3. Agrupe llamadas y escrituras pequeñas.
  4. Mueva el cómputo más cerca de los datos o del usuario.
  5. Separe las rutas críticas (hot paths) y las rutas no críticas (cold paths).
  6. Aplique contrapresión antes de que las colas crezcan sin límite.
  7. Utilice streaming solo cuando mejore la frescura o la experiencia del usuario.
  8. Agregue canarios para datos obsoletos, proveedores degradados y mal estado de caché.

Verificación

Utilice lecturas en vivo cuando exista una superficie desplegada:

  • tiempo HTTP y encabezados de respuesta;
  • marca de tiempo de frescura del proveedor;
  • estado de la cola o del trabajo;
  • estado del borde/caché;
  • verificación en el navegador para la frescura real de la interfaz de usuario;
  • registros sobre reintentos y modo degradado.

Para rutas de datos de mercado o adyacentes a la ejecución, verifique también la antigüedad del libro de órdenes, los supuestos de VWAP, el estado del proveedor y el comportamiento del interruptor de corte antes de declarar la ruta como lista.

Barreras de Seguridad

  • No optimice la latencia eliminando la validación requerida.
  • No oculte datos obsoletos detrás de aciertos de caché rápidos.
  • No afirme un comportamiento de milisegundos a partir de etiquetas de cliente sin medición.
  • No ejecute órdenes en vivo, migraciones destructivas ni despliegues que afecten al cliente sin una puerta de aprobación explícita.
  • Mantenga los secretos y las cargas útiles privadas fuera de los registros y los artefactos de referencia.

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.

Skills relacionados