Communitygithub.com

mode-workflow-dynamique

Concevez des harnais locaux aux tâches, des portes d'évaluation et une extraction de compétences réutilisables pour le mode workflow dynamique de Claude et autres harnais adaptatifs d'agents. À utiliser lors de la construction d'un harnais local à une tâche, de l'ajout de portes d'évaluation ou de l'extraction d'une compétence réutilisable à partir d'un travail ponctuel.

Qu'est-ce que mode-workflow-dynamique ?

Ce skill est conçu pour les développeurs et les ingénieurs en IA qui travaillent avec des agents de codage adaptatifs, notamment Claude Code, Cursor, Codex ou d'autres systèmes d'agents capables de générer ou d'adapter des harnais locaux aux tâches. Il fournit un cadre discipliné pour transformer le mode workflow dynamique en un système structuré : des harnais temporaires pour les tâches uniques, l'extraction de compétences partagées pour le travail répété, et des points de contrôle observables pour les équipes. Le skill couvre la prise de décision (quand créer un harnais, quand extraire une compétence), un modèle de harnais local avec objectifs, entrées, boucle, évaluation et passage de témoin, ainsi que des directives pour les portes d'évaluation et les points de contrôle du panneau de contrôle. Il aide à éviter les anti-patrons comme la génération de scripts qui cachent la logique décisionnelle ou l'absence de tests sous prétexte de mode dynamique. Le résultat produit des artefacts réutilisables et observables, avec des commandes d'évaluation, des preuves et un candidat d'extraction pour une collaboration future.

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

Demander à votre IA préférée

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

Documentation

Mode Workflow Dynamique

Utilisez ce skill lorsqu'un agent de codage peut générer ou adapter un harnais local à la tâche au lieu de suivre uniquement un flux de commandes statique. L'objectif est de transformer le mode workflow dynamique en un système discipliné : des harnais temporaires pour un travail ponctuel, une extraction de compétences partagées pour un travail répété, et des points de contrôle observables du panneau de contrôle pour les équipes.

Quand activer

  • L'utilisateur mentionne des workflows dynamiques, des harnais personnalisés, des harnais par tâche, des workflows adaptatifs, ou le mode workflow dynamique de Claude Code.
  • Une tâche nécessite une boucle personnalisée, un évaluateur, un robot d'exploration, un générateur de fixtures, un observateur ou un tableau de bord local.
  • Plusieurs agents ont besoin du même processus reproductible mais le processus n'est pas encore capturé en tant que compétence partagée.
  • Un workflow nécessite des artefacts de passage de témoin durables, des preuves d'évaluation ou une approbation de l'opérateur avant fusion.

Contrat de base

Le mode workflow dynamique devrait produire un harnais local à la tâche uniquement lorsque ce harnais est moins coûteux et plus sûr que d'exécuter manuellement les mêmes étapes. Le harnais doit comporter :

  • Objectif : le résultat qu'il possède et le résultat qu'il ne possède pas explicitement.
  • Entrées : fichiers, URLs, invites, sources de données, politique d'accréditation, et contraintes fournies par l'utilisateur.
  • Sorties : commits, rapports, captures d'écran, fichiers d'état, ou instantanés du panneau de contrôle.
  • Évaluation : au moins une vérification réussite/échec liée à la tâche, pas seulement "ça a fonctionné".
  • Passage de témoin : un artefact court qui informe l'opérateur suivant de ce qui s'est passé, ce qui est bloqué, et comment reprendre.

Arbre de décision du harnais dynamique

  1. Tâche unique : conservez-la en ligne. N'inventez pas de harnais.
  2. Tâche répétée avec entrées changeantes : créez un harnais local à la tâche et conservez-le sous une zone de travail temporaire ou locale au projet.
  3. Tâche répétée entre coéquipiers ou dépôts : extrayez le motif dans une compétence partagée.
  4. Tâche avec état externe, file d'attente ou approbations : ajoutez une visibilité du panneau de contrôle avant d'ajouter plus d'automatisation.
  5. Tâche avec risque de sécurité : ajoutez une porte d'évaluation et une porte de fusion humaine avant l'exécution autonome.

Modèle de harnais local à la tâche

Utilisez cette structure avant d'écrire du code :

# Harnais de Workflow Dynamique

Objectif :
- Livrer :
- Ne pas livrer :

Entrées :
- Dépôt ou espace de travail :
- Systèmes externes :
- Politique d'accréditation :

Boucle :
1. Découvrir l'état actuel.
2. Générer ou mettre à jour le plus petit artefact utile.
3. Exécuter les vérifications d'évaluation.
4. Enregistrer l'état et le passage de témoin.
5. S'arrêter en cas de porte échouée, de propriété non claire ou d'action externe dangereuse.

Évaluation :
- Commande :
- Signal de succès attendu :
- Propriétaire de l'échec :

Passage de témoin :
- État :
- Preuve :
- Action suivante :

Extraction de compétence partagée

Promouvoir un harnais local en compétence partagée uniquement si au moins deux de ces conditions sont remplies :

  • Le même workflow apparaît dans plusieurs sessions, dépôts, équipes ou lancements.
  • Le workflow nécessite un séquencement spécifique de langage, d'outil ou de sécurité.
  • Les échecs se répètent parce que les opérateurs sautent une porte ou perdent le contexte.
  • Le workflow a un contrat entrée/sortie stable.
  • Le workflow bénéficie d'un panneau de contrôle, d'un tableau de bord d'état ou d'un passage de témoin d'équipe.

Lors de l'extraction, écrivez d'abord le skill dans skills/<nom>/SKILL.md. Ajoutez des shims de commande uniquement si une surface d'entrée par barre oblique héritée est encore nécessaire.

Points de contrôle du panneau de contrôle

Le mode workflow dynamique devient utilisable en équipe lorsqu'il expose l'état. Enregistrez ces points de contrôle dès que la tâche s'étend sur plus d'une session :

  • Plan : objectif, propriétaire, critères d'acceptation et systèmes externes risqués.
  • File d'attente : éléments de travail, rôle d'agent assigné, branche/arbre de travail et arêtes de dépendance.
  • Exécution : harnais actif, étape de boucle actuelle, résultat d'évaluation récent et signal de jeton/coût si disponible.
  • Porte : résultats de test, captures d'écran du navigateur, revue de sécurité et état de préparation à la fusion.
  • Passage de témoin : ce qui est fait, ce qui a échoué, ce qui nécessite une décision humaine.

Si le dépôt a l'état ECC2 activé, privilégiez l'ajout ou la lecture de points de contrôle via le panneau de contrôle ECC ou des scripts basés sur le stockage d'état plutôt que de disperser des notes non suivies.

Portes d'évaluation

Chaque harnais dynamique nécessite une évaluation spécifique à la tâche. Choisissez la porte fiable la moins coûteuse :

Type de travailPorte d'évaluation
Fonctionnalité de codeTest ciblé, lint, couverture et un chemin d'intégration
Interface utilisateur/panneau de contrôleTest de fumée navigateur avec capture d'écran et vérifications de débordement/erreur
Workflow d'agentTranscription de fixture ou élément de travail ensemencé avec routage attendu
Recherche/contenuBrief neutre en source, liste de vérifications des affirmations et plan prêt à publier
IntégrationCommande à sec, validation de configuration et scan sans secret

Ne prétendez pas qu'un workflow dynamique est réutilisable tant que l'évaluation ne peut pas être réexécutée par un autre coéquipier.

Anti-patrons

  • Générer des scripts qui cachent la logique décisionnelle réelle à l'opérateur.
  • Considérer le mode workflow dynamique comme une permission de sauter les tests.
  • Créer des documents ponctuels alors qu'une compétence partagée ou un artefact d'état est le véritable produit.
  • Exécuter plusieurs agents sans propriété, porte de fusion ou politique de conflit.
  • Laisser des données de recherche privées brutes fuir dans des documents publics.

Norme de sortie

Terminez avec :

  • Le chemin du harnais ou du skill.
  • Les commandes d'évaluation et résultats.
  • Le chemin du panneau de contrôle ou de l'artefact de passage de témoin.
  • Le prochain candidat d'extraction réutilisable.

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