Communitygithub.com

Ingénierie IA-First

Modèle opérationnel pour les équipes où les agents IA génèrent une grande partie de la production d'implémentation. À utiliser lors de la définition des processus d'équipe, des points de contrôle de révision ou des règles de propriété pour une base de code largement écrite par des agents.

Qu'est-ce que Ingénierie IA-First ?

Cette compétence est conçue pour les équipes de développement logiciel qui utilisent fortement les agents d'IA générative (comme Claude Code, Cursor, Codex) pour produire une part significative du code. Elle opérationnalise un modèle d'ingénierie « AI-First » en déplaçant l'accent de la vitesse de frappe vers la qualité de la planification, de la couverture d'évaluation vers la confiance empirique, et de la revue syntaxique vers le comportement du système. Elle recommande des architectures favorables aux agents (limites explicites, contrats stables, interfaces typées, tests déterministes) et établit des normes de revue de code élevées, en mettant l'accent sur les régressions de comportement, la sécurité, l'intégrité des données et la sécurité de déploiement, tout en réduisant le temps passé sur les problèmes de style déjà automatisés. Elle définit également des signaux de recrutement pour les ingénieurs capables de décomposer le travail ambigu, de définir des critères d'acceptation mesurables, de produire des prompts et des évaluations de haute qualité, et d'appliquer des contrôles de risques sous pression de livraison. La compétence est applicable via tout agent d'IA ou IDE supportant les fichiers de définition de compétences et les instructions système.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/ai-first-engineering

Demander à votre IA préférée

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

Documentation

Que fait Ingénierie IA-First ?

Utilisez cette compétence lors de la conception des processus, des revues et de l'architecture pour les équipes qui livrent avec une génération de code assistée par l'IA.

Changements de Processus

  1. La qualité de la planification prime sur la vitesse de frappe.
  2. La couverture d'évaluation prime sur la confiance anecdotique.
  3. L'attention lors des revues passe de la syntaxe au comportement du système.

Exigences Architecturales

Privilégiez les architectures qui sont favorables aux agents :

  • limites explicites
  • contrats stables
  • interfaces typées
  • tests déterministes

Évitez les comportements implicites dispersés dans des conventions cachées.

Revue de Code dans les Équipes IA-First

Revoyez pour :

  • les régressions de comportement
  • les hypothèses de sécurité
  • l'intégrité des données
  • la gestion des échecs
  • la sécurité de déploiement

Minimisez le temps passé sur les problèmes de style déjà couverts par l'automatisation.

Signaux de Recrutement et d'Évaluation

Les bons ingénieurs IA-First :

  • décomposent proprement le travail ambigu
  • définissent des critères d'acceptation mesurables
  • produisent des prompts et des évaluations de haute qualité
  • appliquent des contrôles de risques sous pression de livraison

Norme de Test

Augmentez le niveau de test pour le code généré :

  • couverture de régression requise pour les domaines touchés
  • assertions explicites sur les cas limites
  • vérifications d'intégration pour les limites d'interface

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-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.

api-connector-builder

Build a new API connector or provider by matching the target repo

Skills associés