grahama1970/agent-status

Surface de statut pilotée par artefacts pour le travail d'agent-projet de longue durée. Maintient status.json, events.jsonl, preuves de vérification et un STATUS.html sensible à l'obsolescence pour que les humains sachent où en est l'agent, ce qui a réussi, ce qui n'est pas encore prouvé, et quelle décision ou action est à venir — sans théâtre de tableau de bord.

Qu'est-ce que agent-status ?

La compétence agent-status fournit une approche structurée et basée sur les artefacts pour suivre le travail de l'agent-projet sur plusieurs étapes. Elle génère des artefacts lisibles par machine et par humain (status.json, events.jsonl, proof_manifest.json, STATUS.html) qui offrent une surface de vérité sans pour autant créer un tableau de bord de progression artificiel. L'objectif est de garantir la transparence : chaque affirmation de statut est étayée par une preuve explicite, les passages de jalons sont enregistrés avec des artefacts de preuve, et les décisions en attente sont présentées aux humains via un menu de décision clair. Cette compétence fonctionne sur toute plateforme prenant en charge Claude Code, Cursor, Codex ou des agents similaires, en utilisant des commandes shell et des artefacts de fichiers. Elle empêche les pièges courants comme les pourcentages, les allégations de complétion vagues ou les tableaux de bord théâtraux en appliquant des règles strictes : chaque succès doit nommer son artefact de preuve, chaque état d'inactivité doit en expliquer la raison, et chaque blocage doit identifier la cause manquante. Le modèle d'état comprend 'not_started', 'running', 'needs_attention', 'blocked', 'failed', 'passed_scoped_gate', 'done' et 'idle', avec une distinction claire entre 'passed_scoped_gate' et 'done'. Grâce à des commandes comme `run.sh init`, `run.sh update`, `run.sh gate-passed`, `run.sh needs-human` et `run.sh render`, cette compétence s'intègre parfaitement dans les flux de travail d'itération de plan, d'orchestration, de revue de conception et de code, et de débogage d'agents. Elle permet aux développeurs et aux utilisateurs d'agents d'avoir confiance dans le statut signalé, car chaque élément est vérifiable et aucune conclusion n'est inventée.

Compatible avec~Claude Code~Codex CLI~Cursor✓Antigravity✓OpenCode
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/agent-status

Installed? Explore more Développement et programmation skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait agent-status ?

Utilisez cette compétence chaque fois qu'un agent de projet effectue un travail en plusieurs étapes et que l'humain a besoin de savoir ce qui se passe réellement.

Cette compétence n'est intentionnellement pas un générateur de tableau de bord. Elle produit une surface de vérité soutenue par des artefacts lisibles par machine :

.plan-iterate/<campaign-id>/status/
  status.json
  events.jsonl
  proof_manifest.json
  STATUS.html

Le HTML ne fait que restituer l'artefact de statut actuel. Il ne doit pas inventer de progression, de pourcentages ou d'affirmations d'achèvement.

Principe de base

d'abord l'artefact de statut → le HTML restitue l'artefact → l'humain peut inspecter la preuve

Ne faites jamais ceci :

d'abord la page jolie → un langage vert et vague → l'humain en déduit la progression

Réponses requises dans la première zone d'affichage

Une page de statut générée doit répondre :

  1. Qu'est-ce que l'agent essaie de terminer ?
  2. Où en sommes-nous exactement ?
  3. Qu'est-ce qui vient de réussir ?
  4. Qu'est-ce qui n'est toujours pas prouvé ?
  5. Quelle est la prochaine action ?
  6. L'agent est-il en cours d'exécution, bloqué, inactif ou en attente de l'humain ?
  7. Quelle preuve soutient l'affirmation actuelle ?
  8. Que ne doit pas faire l'agent ensuite ?

Modèle d'état

États autorisés :

  • not_started
  • running
  • needs_attention
  • blocked
  • failed
  • passed_scoped_gate
  • done
  • idle

Distinction importante :

passed_scoped_gate != done

N'utilisez done que lorsque l'objectif final déclaré possède un artefact de preuve final explicite.

Commandes courantes

Initialiser une campagne :

./run.sh init \
  --campaign refactor-harness-e2e \
  --goal "Terminer la preuve E2E du harnais de refactorisation limité"

Marquer un jalon comme en cours :

./run.sh update \
  --campaign refactor-harness-e2e \
  --state running \
  --current-step "Exécuter la porte de résumé LLM concurrente renforcée + OpenCode"

Enregistrer un jalon limité réussi :

./run.sh gate-passed \
  --campaign refactor-harness-e2e \
  --label "A01-A18 porte de résumé LLM concurrente renforcée + OpenCode" \
  --verdict PASS_SPEC \
  --proof ".plan-iterate/refactor-harness-e2e/proof/refactor-concurrent-mixed.json" \
  --next-action "Démarrer la phase de dossier de relecture + de convergence des relecteurs" \
  --not-proven "Interface utilisateur de la salle B1 de Transport" \
  --not-proven "build_review_packet convergence des relecteurs" \
  --not-proven "Livraison complète des messages OpenCode"

Demander une décision à l'humain :

./run.sh needs-human \
  --campaign refactor-harness-e2e \
  --question "Quelle prochaine campagne l'agent doit-il exécuter ?" \
  --option "A=Continuer le harnais : dossier de relecture + convergence des relecteurs" \
  --option "B=Interface utilisateur Transport : démarrer la salle B1" \
  --option "C=Stabiliser uniquement : point de contrôle et arrêt"

Restituer à nouveau la page de statut :

./run.sh render --campaign refactor-harness-e2e

Règles anti-théâtre de tableau de bord

  1. Pas de pourcentages.
  2. Pas de « terminé » en vert sauf si une preuve d'objectif final existe.
  3. Chaque SUCCÈS doit nommer son artefact de preuve.
  4. Chaque statut doit montrer ce qui n'est pas prouvé.
  5. Chaque état inactif doit dire pourquoi l'agent est inactif.
  6. Chaque état d'attente humaine doit inclure un menu de décision.
  7. Chaque état bloqué doit nommer l'artefact, le service, la porte ou la décision manquants.
  8. L'actualisation automatique est autorisée uniquement si la page lit status.json.
  9. Si status.json est obsolète, la page doit l'indiquer.
  10. Les verdicts de relecture sont des reçus, pas des preuves d'achèvement.

Quand utiliser

Utilisez cette compétence pour :

  • /plan-iterate
  • /orchestrate
  • /review-design
  • /review-code
  • /debugger
  • /ask deep-review
  • /code-runner
  • /subagent-runner
  • tout travail d'agent-projet en plusieurs étapes durant plus d'une commande ciblée

Attentes concernant les artefacts

status.json est la source de vérité.

events.jsonl est en ajout seulement et enregistre les transitions d'état.

proof_manifest.json liste les artefacts de preuve nommés par les affirmations de statut.

STATUS.html est généré, sensible à l'obsolescence et peut être ouvert en toute sécurité dans un navigateur.

Norme d'achèvement

Une réponse finale pour un travail d'agent de longue durée doit résumer l'artefact de statut actuel et lier ou citer le chemin STATUS.html lorsqu'il est disponible.

Ne revendiquez pas l'achèvement sauf si :

  • l'état est done ;
  • last_completed.proof_path pointe vers un artefact de preuve final ;
  • not_proven est vide ou explicitement hors de portée ;
  • les bloqueurs sont vides.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agent-inbox

File-based inter-agent messaging with headless dispatch. Check inbox, send bugs/requests to other projects, automatically spawn headless agents to fix bugs, and track progress via task-monitor.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/argue

Multi-persona structured debate orchestrator. Personas research via /dogpile, consult colleagues via /ask, and argue toward nuanced synthesis on complex questions.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/ask

Use when the user asks to query project memory, ask an oracle, use supported browser-backed reviewers, run Tau roundtable/single-handler workflows, ask Pi-native subagents from within Pi, run persona/deep-review workflows, generate image prompts, check OS/project health through composed skills, or run an ask DAG. This skill is the executable /ask runtime; do not replace it with an informal subagent, plain web search, or hand-written review; inside Pi, explicit Pi-native subagent targets are routed through the pi-subagents tool as an Ask target type.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

grahama1970/batch-quality

Pre-flight validation and quality gates for batch LLM operations. ACTUALLY tests samples through LLM before burning tokens. Uses SPARTA contracts for DuckDB validation queries. Integrates with task-monitor for enforced quality gates.

Skills associés