tradermonty/skill-idea-miner

Skill Idea Miner

Extrayez automatiquement des candidats d'idées de compétences à partir des journaux de sessions Claude Code, notez-les selon leur nouveauté, faisabilité et valeur d'échange, et maintenez un backlog priorisé pour la génération ultérieure de compétences.

Quand l'utiliser

• Exécution automatisée hebdomadaire du pipeline (samedi à 06:00 via launchd)
• Rafraîchissement manuel du backlog : python3 scripts/run_skill_generation_pipeline.py --mode weekly
• Simulation pour prévisualiser les candidats sans notation LLM

Prérequis

• Python 3.10+ avec le paquet pyyaml
• CLI Claude installé et authentifié (claude --version pour vérifier)
• Journaux de sessions dans ~/.claude/projects/<projet>/ (créés automatiquement par Claude Code)
• Aucune clé API requise (utilise le CLI Claude pour les appels LLM)

Flux de travail

Démarrage rapide

# Simulation : prévisualiser les candidats minés sans notation LLM
python3 scripts/mine_session_logs.py --dry-run --output-dir reports/

# Minage complet avec notation (nécessite le CLI Claude)
python3 scripts/mine_session_logs.py --output-dir reports/

# Noter les candidats existants
python3 scripts/score_ideas.py \
  --candidates reports/raw_candidates.yaml \
  --output-dir logs/

Étape 1 : Minage des journaux de sessions

1. Énumérer les journaux de sessions des projets autorisés dans ~/.claude/projects/
2. Filtrer pour les 7 derniers jours par mtime du fichier, confirmer avec le champ timestamp
3. Extraire les messages utilisateur (type: "user", userType: "external")
4. Extraire les schémas d'utilisation d'outils à partir des messages de l'assistant
5. Exécuter la détection de signaux déterministes :
   • Fréquence d'utilisation des compétences (références skills/*/ dans les chemins)
   • Schémas d'erreur (codes de sortie non nuls, indicateurs is_error, mots-clés d'exception)
   • Séquences d'outils répétitives (3+ outils répétés 3+ fois)
   • Mots-clés de demande d'automatisation (anglais et japonais)
   • Requêtes non résolues (intervalle de 5+ minutes après un message utilisateur)
6. Invoquer le CLI Claude en mode sans tête pour l'abstraction des idées
7. Générer raw_candidates.yaml

Étape 2 : Notation et déduplication

1. Charger les compétences existantes depuis les métadonnées de skills/*/SKILL.md
2. Dédupliquer via la similarité de Jaccard (seuil > 0.5) par rapport à :
   • Noms et descriptions des compétences existantes
   • Idées existantes dans le backlog
3. Noter les candidats non dupliqués avec le CLI Claude :
   • Nouveauté (0-100) : différenciation par rapport aux compétences existantes
   • Faisabilité (0-100) : implémentabilité technique
   • Valeur d'échange (0-100) : valeur pratique pour les investisseurs/traders
   • Composite = 0,3 * Nouveauté + 0,3 * Faisabilité + 0,4 * Valeur d'échange
4. Fusionner les candidats notés dans logs/.skill_generation_backlog.yaml

Format de sortie

raw_candidates.yaml

generated_at_utc: "2026-03-08T06:00:00Z"
period: {from: "2026-03-01", to: "2026-03-07"}
projects_scanned: ["claude-trading-skills"]
sessions_scanned: 12
candidates:
  - id: "raw_2026w10_001"
    title: "Earnings Whispers Image Parser"
    source_project: "claude-trading-skills"
    evidence:
      user_requests: ["Extract earnings dates from screenshot"]
      pain_points: ["Manual image reading"]
      frequency: 3
    raw_description: "Parse Earnings Whispers screenshots to extract dates."
    category: "data-extraction"

Backlog (logs/.skill_generation_backlog.yaml)

updated_at_utc: "2026-03-08T06:15:00Z"
ideas:
  - id: "idea_2026w10_001"
    title: "Earnings Whispers Image Parser"
    description: "Skill that parses Earnings Whispers screenshots..."
    category: "data-extraction"
    scores: {novelty: 75, feasibility: 60, trading_value: 80, composite: 73}
    status: "pending"

Ressources

• references/idea_extraction_rubric.md — Critères de détection des signaux et grille de notation
• scripts/mine_session_logs.py — Analyseur de journaux de sessions
• scripts/score_ideas.py — Noteur et déduplicateur