Communitygithub.com

Systèmes Critiques en Latence

Utilisez cette compétence pour les systèmes sensibles à la latence comme les tableaux de bord en temps réel, les données de marché, les agents de streaming, les passerelles d'exécution, les files d'attente, les caches ou les infrastructures de type HFT où la fraîcheur et la latence p95 sont importantes.

Qu'est-ce que Systèmes Critiques en Latence ?

Cette compétence est conçue pour les développeurs travaillant sur des systèmes où la latence et la fraîcheur des données sont critiques. Elle fournit un cadre structuré pour mesurer, optimiser et vérifier les performances des systèmes en temps réel, tels que les tableaux de bord temps réel, les pipelines de données de marché, les agents de streaming, les files d'attente, les caches et l'infrastructure de haute fréquence (HFT). La compétence insiste sur la nécessité de décomposer les métriques de performance (p50, p95, p99), de cartographier le chemin critique complet — de la source de l'événement à l'état visible par l'utilisateur — et d'appliquer un ordre d'optimisation méthodique (suppression des allers-retours, mise en cache, traitement par lots, déplacement du calcul, division des chemins chauds/froids, contre-pression, streaming ciblé). Elle inclut des directives de vérification via des lectures en direct et des garde-fous pour éviter les optimisations dangereuses (comme la suppression de la validation obligatoire ou l'affichage de données obsolètes). Bien que non autorisée pour le trading en direct ou les conseils financiers, elle est applicable à toute infrastructure sensible à la latence.

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

Demander à votre IA préférée

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

Documentation

Que fait Systèmes Critiques en Latence ?

Utilisez cette compétence lorsque l'utilisateur se soucie du comportement en temps réel, des chemins chauds, de la fraîcheur du streaming ou de la vitesse d'exécution. Cela inclut l'infrastructure de type HFT, mais la compétence est axée sur l'ingénierie. Elle n'autorise pas le trading en direct ni les conseils financiers.

Décomposer les Métriques

Ne réduisez pas tout à "rapide". Suivez :

  • Latence p50, p95 et p99 ;
  • Débit ;
  • Âge de fraîcheur ;
  • Profondeur de la file d'attente ;
  • Taux de succès du cache ;
  • Temps de réponse du fournisseur/API ;
  • Temps de rendu du navigateur ;
  • Exactitude sous charge ;
  • Comportement des échecs et des nouvelles tentatives.

Cartographier le Chemin Chaud

Écrivez le chemin de l'utilisateur/événement à l'état final visible :

événement source -> API fournisseur -> worker d'ingestion -> file d'attente -> cache -> route périphérique
-> flux client -> rendu navigateur -> état visible par l'utilisateur

Puis mesurez chaque segment séparément.

Ordre d'Optimisation

  1. Supprimez les allers-retours inutiles.
  2. Mettez en cache les lectures stables avec des métadonnées de fraîcheur.
  3. Regroupez les petits appels et écritures.
  4. Déplacez le calcul plus près des données ou de l'utilisateur.
  5. Séparez les chemins chauds et froids.
  6. Appliquez une contre-pression avant que les files d'attente ne deviennent illimitées.
  7. Utilisez le streaming uniquement lorsqu'il améliore la fraîcheur ou l'expérience utilisateur.
  8. Ajoutez des tests canaris pour les données obsolètes, les fournisseurs dégradés et les mauvais états du cache.

Vérification

Utilisez des lectures en direct lorsqu'une surface déployée existe :

  • Horodatage HTTP et en-têtes de réponse ;
  • Horodatage de fraîcheur du fournisseur ;
  • État de la file d'attente ou du travail ;
  • État du cache/périphérie ;
  • Vérification navigateur pour la fraîcheur réelle de l'interface utilisateur ;
  • Journaux autour des nouvelles tentatives et du mode dégradé.

Pour les chemins liés aux données de marché ou à l'exécution, vérifiez également l'âge du carnet d'ordres, les hypothèses VWAP, l'état du fournisseur et le comportement du kill-switch avant de déclarer le chemin prêt.

Garde-fous

  • N'optimisez pas la latence en supprimant la validation obligatoire.
  • Ne masquez pas les données obsolètes derrière des succès de cache rapides.
  • Ne prétendez pas à un comportement en millisecondes à partir d'étiquettes client sans mesure.
  • N'exécutez pas d'ordres en direct, de migrations destructrices ou de déploiements impactant les clients sans une passerelle d'approbation explicite.
  • Gardez les secrets et les charges utiles privées hors des journaux et des artefacts de benchmark.

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