Communitygithub.com

ASoudy/AGS

Cette compétence doit être utilisée pour mener des recherches approfondies sur n'importe quel sujet via l'API Deep Research d'OpenAI. Elle automatise l'amélioration des prompts grâce à des questions de clarification interactives, sauvegarde les paramètres de recherche et exécute des recherches approfondies avec des capacités de recherche web.

Qu'est-ce que AGS ?

Cette compétence, conçue pour Claude, permet d'effectuer des recherches complètes et connectées à internet sur tout sujet en utilisant l'API Deep Research d'OpenAI (modèle o4-mini-deep-research). Elle améliore intelligemment les prompts de recherche de l'utilisateur en posant des questions de clarification ciblées, ce qui permet d'obtenir des résultats plus précis et pertinents. La compétence sauvegarde automatiquement les paramètres de recherche dans des fichiers horodatés pour garantir la reproductibilité des résultats. Elle exécute ensuite la recherche approfondie avec des capacités de recherche web intégrées, générant un rapport complet au format Markdown accompagné de ses sources. Optimisée pour l'efficacité des tokens, elle fonctionne de manière synchrone, évitant les vérifications d'état intermédiaires pendant les 10 à 20 minutes nécessaires à la recherche, ce qui réduit considérablement la consommation de tokens. Elle est idéale pour les utilisateurs ayant besoin d'analyses approfondies, d'enquêtes, de résumés de recherche ou d'exploration de sujets dans les domaines techniques et généraux.

Compatible avec✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/claude_skills_libraries/landing-page-mastery/skills/deep-research

Demander à votre IA préférée

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

Documentation

Compétence de Recherche Approfondie

Objectif

Cette compétence permet une recherche complète et connectée à internet sur n'importe quel sujet en utilisant l'API Deep Research d'OpenAI (modèle o4-mini-deep-research). Elle améliore intelligemment les prompts de recherche de l'utilisateur grâce à des questions de clarification interactives, garantit que les paramètres de recherche sont sauvegardés pour la reproductibilité, et exécute une recherche approfondie avec des capacités de recherche web complètes.

Quand Utiliser Cette Compétence

Déclenchez cette compétence lorsque :

  • L'utilisateur demande une recherche sur un sujet spécifique
  • L'utilisateur demande une analyse, une enquête ou une collecte d'informations complète
  • L'utilisateur souhaite explorer un sujet avec une recherche web et un raisonnement
  • L'utilisateur fournit une requête de recherche brève qui pourrait être affinée
  • L'utilisateur veut comprendre l'état actuel, les tendances ou les comparaisons dans un domaine

Exemples de demandes utilisateur :

  • "Recherche les solutions RAG open-source les plus efficaces avec des performances de benchmark élevées"
  • "Quelles sont les dernières avancées en IA en 2025 ?"
  • "J'ai besoin d'une analyse complète des systèmes de bases de données distribuées"
  • "Trouve les meilleures pratiques pour implémenter la recherche vectorielle"
  • "Étudie comment l'IA impacte l'industrie du génie logiciel"

Aperçu du Flux de Travail

Entrée Utilisateur
    ↓
Évaluation : Le prompt est-il trop court ?
    ↓
OUI → Poser des Questions d'Amélioration → Collecter les Réponses
    ↓                               ↓
    └───────→ Construire un Prompt Amélioré ←──┘
                    ↓
            Sauvegarder dans un Fichier Horodaté
                    ↓
            Exécuter deep_research.py
                    ↓
            Rapport de Sortie + Sources
                    ↓
            Présenter à l'Utilisateur

Comment Claude Doit Utiliser Cette Compétence

Important pour l'Efficacité des Tokens : La recherche approfondie prend 10 à 20 minutes. La compétence est conçue pour s'exécuter de manière synchrone (bloquante) sans vérifications d'état intermédiaires. Cette approche minimise l'utilisation des tokens pendant l'attente. Claude doit :

  1. Démarrer la recherche
  2. Attendre la fin (le sous-processus bloque automatiquement)
  3. Présenter les résultats finaux une fois terminée

Pas besoin de sondage périodique ou de mises à jour de statut pendant l'exécution.

Étape 1 : Accepter la Demande de Recherche

Recevez le prompt de recherche de l'utilisateur. Cela peut aller d'un prompt court ("Dernières tendances IA") à très détaillé ("Impact des modèles de langage sur la productivité des développeurs avec un accent sur 2024-2025").

Étape 2 : Exécuter le Script d'Orchestration

Exécutez le script d'orchestration principal de la compétence avec le prompt de recherche de l'utilisateur :

python3 scripts/run_deep_research.py "Votre prompt de recherche ici"

Le script se trouve dans scripts/run_deep_research.py au sein de l'installation de la compétence.

Étape 3 : Déroulement du Script

Le script automatise :

  1. Évalue la complétude du prompt : Vérifie si le prompt est trop court ou générique (< 15 mots ou commence par "qu'est-ce que", "comment", etc.)

  2. Pose des questions de clarification (si nécessaire) :

    • Présente 2-3 questions ciblées adaptées au type de recherche
    • Détecte si la recherche est technique ou générale en fonction des mots-clés
    • Permet aux utilisateurs de choisir parmi des options prédéfinies (1-4) ou de fournir un texte personnalisé
    • Les questions couvrent : Périmètre/Période, Niveau de profondeur, Domaines d'intérêt
  3. Améliore le prompt : Combine le prompt original avec les réponses de l'utilisateur en paramètres de recherche structurés

  4. Sauvegarde le fichier de prompt : Écrit le prompt amélioré dans research_prompt_YYYYMMDD_HHMMSS.txt pour la reproductibilité

  5. Exécute la recherche approfondie : Lance le script central deep_research.py avec :

    • Modèle : o4-mini-deep-research (configurable via --model)
    • Délai d'attente : 1800 secondes / 30 minutes (configurable via --timeout)
    • Outils : Recherche web activée par défaut

Étape 4 : Présenter les Résultats à l'Utilisateur

Le script automatise :

  • Sauvegarde du fichier markdown : Rapport de recherche avec sources sauvegardé dans research_report_YYYYMMDD_HHMMSS.md
  • Affichage dans le terminal : Rapport de recherche complet avec formatage markdown
  • Liste des sources web : URLs numérotées citées dans la recherche
  • Confirmation de fin : Chemin où les fichiers de recherche ont été sauvegardés

Note d'Efficacité des Tokens : La recherche approfondie prend 10 à 20 minutes. Le script s'exécute de manière synchrone (bloquante) sans sondage intermédiaire, minimisant l'utilisation des tokens pendant l'attente.

Ressources Incluses

Scripts

scripts/run_deep_research.py (Point d'Entrée Principal)

Le script d'orchestration qui gère :

  • L'évaluation de la qualité du prompt
  • Les questions d'amélioration interactives (avec détection intelligente pour la recherche technique vs. générale)
  • La sauvegarde et l'horodatage du prompt
  • L'exécution de la recherche approfondie centrale

Fonctionnalités Clés :

  • Amélioration intelligente : Ne pose des questions que si le prompt est court/générique
  • Questions basées sur des modèles : Ensembles de questions différents pour la recherche technique vs. générale
  • Entrée flexible : Options numérotées + saisie de texte personnalisée
  • Gestion des erreurs : Messages utiles si deep_research.py n'est pas trouvé

Options disponibles :

python3 run_deep_research.py <prompt> [OPTIONS]
  --no-enhance              Ignorer les questions d'amélioration
  --model <model>           Modèle à utiliser (défaut : o4-mini-deep-research)
  --timeout <secondes>       Délai d'attente en secondes (défaut : 1800)
  --output-dir <chemin>     Où sauvegarder le fichier de prompt

assets/deep_research.py

Script central qui interface avec l'API Deep Research d'OpenAI. Gère :

  • L'authentification API via OPENAI_API_KEY
  • La création et l'exécution des requêtes
  • Sauvegarde automatique en markdown : Sauvegarde les fichiers de rapport horodatés par défaut
  • Le formatage de la sortie (rapport + sources avec métadonnées)
  • La gestion des erreurs et les tentatives

Nouvelles options en ligne de commande :

--output-file <chemin>      Chemin de fichier de sortie personnalisé
--no-save                 Désactiver la sauvegarde automatique en markdown

Références

references/workflow.md

Documentation détaillée du flux de travail couvrant :

  • Le flux de travail complet de la compétence avec des exemples
  • Les stratégies d'amélioration des prompts
  • L'explication des paramètres de recherche
  • Les conseils d'intégration pour Claude
  • La référence de l'interface en ligne de commande
  • La gestion des erreurs et le dépannage
  • Les astuces pour une recherche efficace

Comportements Clés

Amélioration Intelligente du Prompt

La compétence détermine intelligemment si une amélioration est nécessaire :

  • Déclenche l'amélioration pour les prompts de moins de 15 mots ou aux débuts génériques
  • Ignore l'amélioration pour les prompts détaillés et spécifiques
  • Permet aux utilisateurs de désactiver avec l'option --no-enhance
  • Conscient des modèles : Utilise des questions différentes pour la recherche technique vs. générale

Paramètres de Recherche

Les prompts améliorés incluent :

  • La requête utilisateur originale avec le contexte complet
  • Les préférences de périmètre et de période
  • Le niveau de profondeur souhaité (résumé, technique, implémentation, comparatif)
  • Les domaines d'intérêt spécifiques (performance, coût, sécurité, etc.)

Ces paramètres aident le modèle de recherche approfondie à fournir des résultats plus ciblés et pertinents.

Reproductibilité

Chaque exécution de recherche :

  • Sauvegarde le prompt exact utilisé dans un fichier horodaté
  • Permet de tracer les décisions de recherche
  • Autorise des recherches de suivi en utilisant les mêmes prompts ou des prompts modifiés
  • Maintient une piste d'audit des paramètres de recherche

Exemples

Prompt Court avec Amélioration

Utilisateur : "Recherche les solutions RAG open-source les plus efficaces"

Comportement du script :

  1. Détecte un prompt court (8 mots) + mots-clés techniques ("open-source", "RAG")
  2. Pose des questions de recherche technique :
    • Périmètre technologique : Open-source uniquement ? (Utilisateur : Oui)
    • Métriques clés : Performance/benchmarks ? (Utilisateur : Vitesse et Précision)
    • Cas d'utilisation : Déploiement en production ? (Utilisateur : Aspects multiples)
  3. Améliore en un prompt détaillé avec paramètres
  4. Sauvegarde et exécute la recherche approfondie
  5. Renvoie un rapport complet avec des benchmarks comparatifs et les URLs des sources

Prompt Détaillé Sans Amélioration

Utilisateur : "Analyse l'impact des grands modèles de langage sur la productivité des développeurs de logiciels en 2024-2025, en se concentrant sur les outils de génération de code, la programmation en binôme et les métriques de productivité."

Comportement du script :

  1. Détecte un prompt détaillé (31 mots) avec un périmètre/un focus spécifique
  2. Ignore les questions d'amélioration
  3. Sauvegarde et exécute immédiatement la recherche approfondie
  4. Renvoie une analyse ciblée correspondant aux spécifications de l'utilisateur

Prérequis

  • Python 3.7+
  • Clé API OpenAI (définie via la variable d'environnement OPENAI_API_KEY ou le fichier .env)
  • Connexion internet (pour la recherche web)
  • 30+ minutes pour la réalisation de la recherche (délai d'attente configurable)

Flux de Travail Efficace en Tokens

Optimisation des Tâches Longues

Les requêtes de recherche approfondie prennent généralement 10 à 20 minutes. Cette compétence est optimisée pour minimiser l'utilisation des tokens pendant les longues attentes :

Comment ça fonctionne :

  1. Exécution synchrone : Le script s'exécute comme un sous-processus bloquant (pas de sondage en arrière-plan)
  2. Aucune vérification intermédiaire : Claude attend silencieusement la fin sans mises à jour de statut
  3. Sortie unique : Les résultats sont présentés une seule fois à la fin
  4. Sauvegarde automatique : Les fichiers Markdown sont sauvegardés automatiquement, sans intervention manuelle

Économies de tokens :

  • Approche traditionnelle : Vérifier le statut toutes les 30 secondes = ~40 vérifications × 500 tokens = ~20 000 tokens gaspillés
  • Cette approche : Attente unique = ~1 000 tokens au total

Gestion Automatique des Fichiers

La compétence génère et sauvegarde automatiquement des fichiers :

Fichiers générés :

  • research_prompt_YYYYMMDD_HHMMSS.txt - Prompt de recherche amélioré avec paramètres
  • research_report_YYYYMMDD_HHMMSS.md - Rapport Markdown complet avec :
    • Sections de recherche (historique, cognitive, culturelle, etc.)
    • Citations de sources numérotées
    • Pied de page des métadonnées (date, modèle)

Options de personnalisation :

# Emplacement de sortie personnalisé
python3 deep_research.py --prompt-file prompt.txt --output-file my_research.md

# Désactiver la sauvegarde automatique (sortie terminal uniquement)
python3 deep_research.py --prompt-file prompt.txt --no-save

Dépannage

OPENAI_API_KEY Manquante

Erreur : "OPENAI_API_KEY manquante"

Solution :

  • Définir la variable d'environnement : export OPENAI_API_KEY="votre-clé"
  • Ou créer un fichier .env dans le répertoire de travail avec OPENAI_API_KEY=votre-clé

deep_research.py Introuvable

Erreur : "Impossible de trouver deep_research.py"

Solution :

  • Assurez-vous que la compétence est correctement installée avec ses assets
  • Le script recherche dans : dossier des assets de la compétence → répertoire courant → répertoire parent

Délai d'Attente de la Recherche

Erreur : La requête expire après 30 minutes

Solution :

  • Augmenter le délai d'attente : --timeout 5400 (90 minutes)
  • Simplifier le prompt pour réduire le périmètre de la recherche
  • Exécuter pendant les heures creuses pour des réponses API potentiellement plus rapides

Individual skills in this repo

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

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Pull a YouTube video transcript into a queryable markdown vault with yt-dlp subtitle discovery, VTT cleanup, metadata frontmatter, and capture-seed stubs.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Skills associés