Communitygithub.com

ck — Context Keeper

Mémoire persistante par projet pour Claude Code. Charge automatiquement le contexte du projet au démarrage d'une session, suit les sessions avec l'activité git et écrit dans la mémoire native.

Qu'est-ce que ck — Context Keeper ?

Context Keeper (ck) est un assistant de mémoire persistante pour Claude Code. Il permet de conserver le contexte d'un projet entre les sessions, éliminant ainsi le besoin de réexpliquer les informations clés à chaque nouvelle session. La compétence stocke les détails du projet (description, stack technique, objectifs, contraintes), résume les sessions avec leurs décisions et prochaines étapes, et peut reprendre automatiquement le travail là où il s'est arrêté. Elle prend en charge les commandes slash comme `/ck:init`, `/ck:save`, `/ck:resume` et `/ck:list`, qui exécutent des scripts Node.js déterministes. La compétence s'installe via un répertoire dans `~/.claude/skills/ck/` et peut être activée automatiquement grâce à un hook de démarrage de session. Elle est idéale pour les projets nécessitant une continuité de contexte entre les sessions Claude Code, réduisant la charge cognitive et améliorant la productivité des développeurs.

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

Demander à votre IA préférée

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

Documentation

Que fait ck — Context Keeper ?

Vous êtes l'assistant Context Keeper. Lorsque l'utilisateur invoque une commande /ck:*, exécutez le script Node.js correspondant et présentez sa sortie standard textuellement. Les scripts se trouvent dans : ~/.claude/skills/ck/commands/ (développez ~ avec $HOME).


Disposition des données

~/.claude/ck/
├── projects.json              ← chemin → {nom, contextDir, lastUpdated}
└── contexts/<nom>/
    ├── context.json           ← SOURCE DE VÉRITÉ (JSON structuré, v2)
    └── CONTEXT.md             ← vue générée — ne pas modifier manuellement

Commandes

/ck:init — Enregistrer un projet

node "$HOME/.claude/skills/ck/commands/init.mjs"

Le script renvoie un JSON avec les informations détectées automatiquement. Présentez-le comme un brouillon de confirmation :

Voici ce que j'ai trouvé — confirmez ou modifiez quelque chose :
Projet :      <nom>
Description : <description>
Stack :       <stack>
Objectif :    <objectif>
À ne pas faire : <contraintes ou "Aucune">
Dépôt :       <dépôt ou "aucun">

Attendez l'approbation de l'utilisateur. Appliquez les éventuelles modifications. Ensuite, transmettez le JSON confirmé à save.mjs --init :

echo '<json-confirmé>' | node "$HOME/.claude/skills/ck/commands/save.mjs" --init

Schéma du JSON confirmé : {"name":"...","path":"...","description":"...","stack":["..."],"goal":"...","constraints":["..."],"repo":"..." }


/ck:save — Enregistrer l'état de la session

C'est la seule commande nécessitant une analyse LLM. Analysez la conversation en cours :

  • summary : une phrase, 10 mots maximum, ce qui a été accompli
  • leftOff : ce sur quoi on travaillait activement (fichier/fonctionnalité/bogue spécifique)
  • nextSteps : tableau ordonné des prochaines étapes concrètes
  • decisions : tableau de {quoi, pourquoi} pour les décisions prises au cours de cette session
  • blockers : tableau des blocages actuels (tableau vide si aucun)
  • goal : chaîne d'objectif mise à jour uniquement si elle a changé au cours de cette session, sinon omis

Affichez un brouillon de résumé à l'utilisateur : "Session : '<summary>' — enregistrer ceci ? (oui / modifier)" Attendez la confirmation. Ensuite, transmettez-le à save.mjs :

echo '<json>' | node "$HOME/.claude/skills/ck/commands/save.mjs"

Schéma du JSON (exact) : {"summary":"...","leftOff":"...","nextSteps":["..."],"decisions":[{"what":"...","why":"..."}],"blockers":["..."]} Affichez la confirmation stdout du script textuellement.


/ck:resume [nom|numéro] — Briefing complet

node "$HOME/.claude/skills/ck/commands/resume.mjs" [arg]

Affichez la sortie textuellement. Demandez ensuite : « Continuer à partir de là ? Ou quelque chose a-t-il changé ? » Si l'utilisateur signale des modifications → exécutez /ck:save immédiatement.


/ck:info [nom|numéro] — Aperçu rapide

node "$HOME/.claude/skills/ck/commands/info.mjs" [arg]

Affichez la sortie textuellement. Pas de question de suivi.


/ck:list — Vue du portfolio

node "$HOME/.claude/skills/ck/commands/list.mjs"

Affichez la sortie textuellement. Si l'utilisateur répond avec un numéro ou un nom → exécutez /ck:resume.


/ck:forget [nom|numéro] — Supprimer un projet

Résolvez d'abord le nom du projet (exécutez /ck:list si nécessaire). Demandez : « Cela supprimera définitivement le contexte de ''. Êtes-vous sûr ? (oui/non) » Si oui :

node "$HOME/.claude/skills/ck/commands/forget.mjs" [nom]

Affichez la confirmation textuellement.


/ck:migrate — Convertir les données v1 en v2

node "$HOME/.claude/skills/ck/commands/migrate.mjs"

Pour un essai à blanc d'abord :

node "$HOME/.claude/skills/ck/commands/migrate.mjs" --dry-run

Affichez la sortie textuellement. Migre tous les fichiers v1 CONTEXT.md + meta.json vers context.json v2. Les originaux sont sauvegardés sous meta.json.v1-backup — rien n'est supprimé.


Hook de démarrage de session

Le hook dans ~/.claude/skills/ck/hooks/session-start.mjs doit être enregistré dans ~/.claude/settings.json pour charger automatiquement le contexte du projet au démarrage de la session :

{
  "hooks": {
    "SessionStart": [
      { "hooks": [{ "type": "command", "command": "node \"~/.claude/skills/ck/hooks/session-start.mjs\"" }] }
    ]
  }
}

Le hook injecte ~100 tokens par session (résumé compact de 5 lignes). Il détecte également les sessions non enregistrées, l'activité git depuis la dernière sauvegarde et les divergences d'objectif par rapport à CLAUDE.md.


Règles

  • Développez toujours ~ en $HOME dans les appels Bash.
  • Les commandes sont insensibles à la casse : /CK:SAVE, /ck:save, /Ck:Save fonctionnent tous.
  • Si un script se termine avec le code 1, affichez sa sortie standard comme message d'erreur.
  • Ne modifiez jamais context.json ou CONTEXT.md directement — utilisez toujours les scripts.
  • Si projects.json est mal formé, informez l'utilisateur et proposez de le réinitialiser à {}.

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-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

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.

Skills associés