Communitygithub.com

opensource-pipeline

Pipeline open-source : dupliquer, nettoyer et conditionner des projets privés pour une publication publique sécurisée. Enchaîne 3 agents (forker, sanitizer, packager).

Qu'est-ce que opensource-pipeline ?

Cette compétence automatise la conversion de projets privés en dépôts open-source prêts à publier, via un pipeline en trois étapes : duplication (fork) avec suppression des secrets, vérification (sanitize) de l'absence de données sensibles, et conditionnement (package) incluant la génération de CLAUDE.md, setup.sh et README. Elle s'active sur des commandes comme `/opensource fork`, `/opensource verify` ou `/opensource package`, et fonctionne avec n'importe quel agent capable d'exécuter des sous-agents (Claude Code, Codex, etc.). Le pipeline est conçu pour éviter toute fuite accidentelle d'informations : le sanitizer effectue six catégories de scans (secrets, PII, références internes, fichiers dangereux, complétude de configuration, historique git) et bloque la publication en cas d'échec critique. L'utilisateur garde le contrôle final : il doit approuver la création du dépôt GitHub après revue du rapport de vérification. Cette compétence est idéale pour les développeurs qui veulent partager du code en open-source sans risquer d'exposer des credentials ou des données confidentielles.

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

Demander à votre IA préférée

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

Documentation

Compétence Pipeline Open-Source

Rendre open-source n'importe quel projet en toute sécurité via un pipeline en 3 étapes : Fork (supprimer les secrets) → Sanitize (vérifier la propreté) → Package (CLAUDE.md + setup.sh + README).

Quand activer

  • L'utilisateur dit "rendre ce projet open-source" ou "le rendre public"
  • L'utilisateur veut préparer un dépôt privé pour le publier
  • L'utilisateur doit supprimer les secrets avant de pousser sur GitHub
  • L'utilisateur invoque /opensource fork, /opensource verify ou /opensource package

Commandes

CommandeAction
/opensource fork PROJETPipeline complet : fork + sanitize + package
/opensource verify PROJETExécuter le sanitizer sur un dépôt existant
/opensource package PROJETGénérer CLAUDE.md + setup.sh + README
/opensource listAfficher tous les projets en staging
/opensource status PROJETAfficher les rapports d'un projet en staging

Protocole

/opensource fork PROJET

Pipeline complet — le workflow principal.

Étape 1 : Récupérer les paramètres

Résoudre le chemin du projet. Si PROJET contient /, le traiter comme un chemin (absolu ou relatif). Sinon vérifier : le répertoire courant, $HOME/PROJET, puis demander à l'utilisateur.

SOURCE_PATH="<chemin absolu résolu>"
STAGING_PATH="$HOME/opensource-staging/${NOM_PROJET}"

Demander à l'utilisateur :

  1. "Quel projet ?" (si non trouvé)
  2. "Licence ? (MIT / Apache-2.0 / GPL-3.0 / BSD-3-Clause)"
  3. "Organisation ou nom d'utilisateur GitHub ?" (par défaut : détecter via gh api user -q .login)
  4. "Nom du dépôt GitHub ?" (par défaut : nom du projet)
  5. "Description pour le README ?" (analyser le projet pour une suggestion)

Étape 2 : Créer le répertoire de staging

mkdir -p $HOME/opensource-staging/

Étape 3 : Exécuter l'agent Forker

Lancer l'agent opensource-forker :

Agent(
  description="Fork {PROJET} pour open-source",
  subagent_type="opensource-forker",
  prompt="""
Forker le projet pour une publication open-source.

Source : {SOURCE_PATH}
Cible : {STAGING_PATH}
Licence : {licence_choisie}

Suivre le protocole complet de forking :
1. Copier les fichiers (exclure .git, node_modules, __pycache__, .venv)
2. Supprimer tous les secrets et identifiants
3. Remplacer les références internes par des espaces réservés
4. Générer .env.example
5. Nettoyer l'historique git
6. Générer FORK_REPORT.md dans {STAGING_PATH}/FORK_REPORT.md
"""
)

Attendre la fin. Lire {STAGING_PATH}/FORK_REPORT.md.

Étape 4 : Exécuter l'agent Sanitizer

Lancer l'agent opensource-sanitizer :

Agent(
  description="Vérifier le nettoyage de {PROJET}",
  subagent_type="opensource-sanitizer",
  prompt="""
Vérifier le nettoyage du fork open-source.

Projet : {STAGING_PATH}
Source (pour référence) : {SOURCE_PATH}

Exécuter TOUTES les catégories de scan :
1. Scan des secrets (CRITIQUE)
2. Scan des données personnelles (CRITIQUE)
3. Scan des références internes (CRITIQUE)
4. Vérification des fichiers dangereux (CRITIQUE)
5. Complétude de la configuration (AVERTISSEMENT)
6. Audit de l'historique git

Générer SANITIZATION_REPORT.md dans {STAGING_PATH}/ avec verdict PASS/FAIL.
"""
)

Attendre la fin. Lire {STAGING_PATH}/SANITIZATION_REPORT.md.

En cas d'échec (FAIL) : Montrer les résultats à l'utilisateur. Demander : "Corriger ces problèmes et relancer le scan, ou abandonner ?"

  • Si correction : Appliquer les corrections, relancer le sanitizer (maximum 3 tentatives — après 3 échecs, présenter tous les résultats et demander à l'utilisateur de corriger manuellement)
  • Si abandon : Nettoyer le répertoire de staging

En cas de réussite (PASS) ou PASS AVEC AVERTISSEMENTS : Passer à l'étape 5.

Étape 5 : Exécuter l'agent Packager

Lancer l'agent opensource-packager :

Agent(
  description="Conditionner {PROJET} pour open-source",
  subagent_type="opensource-packager",
  prompt="""
Générer le conditionnement open-source pour le projet.

Projet : {STAGING_PATH}
Licence : {licence_choisie}
Nom du projet : {NOM_PROJET}
Description : {description}
Dépôt GitHub : {depot_github}

Générer :
1. CLAUDE.md (commandes, architecture, fichiers clés)
2. setup.sh (bootstrap en une commande, le rendre exécutable)
3. README.md (ou améliorer l'existant)
4. LICENCE
5. CONTRIBUTING.md
6. .github/ISSUE_TEMPLATE/ (bug_report.md, feature_request.md)
"""
)

Étape 6 : Révision finale

Présenter à l'utilisateur :

Fork Open-Source Prêt : {NOM_PROJET}

Emplacement : {STAGING_PATH}
Licence : {licence}
Fichiers générés :
  - CLAUDE.md
  - setup.sh (exécutable)
  - README.md
  - LICENCE
  - CONTRIBUTING.md
  - .env.example ({N} variables)

Nettoyage : {verdict_nettoyage}

Prochaines étapes :
  1. Réviser : cd {STAGING_PATH}
  2. Créer le dépôt : gh repo create {org_github}/{depot_github} --public
  3. Pousser : git remote add origin ... && git push -u origin main

Procéder à la création GitHub ? (oui/non/réviser d'abord)

Étape 7 : Publication GitHub (après approbation de l'utilisateur)

cd "{STAGING_PATH}"
gh repo create "{org_github}/{depot_github}" --public --source=. --push --description "{description}"

/opensource verify PROJET

Exécuter le sanitizer indépendamment. Résoudre le chemin : si PROJET contient /, le traiter comme un chemin. Sinon vérifier $HOME/opensource-staging/PROJET, puis $HOME/PROJET, puis le répertoire courant.

Agent(
  subagent_type="opensource-sanitizer",
  prompt="Vérifier le nettoyage de : {chemin_resolu}. Exécuter les 6 catégories de scan et générer SANITIZATION_REPORT.md."
)

/opensource package PROJET

Exécuter le packager indépendamment. Demander "Licence ?" et "Description ?", puis :

Agent(
  subagent_type="opensource-packager",
  prompt="Conditionner : {chemin_resolu} ..."
)

/opensource list

ls -d $HOME/opensource-staging/*/

Afficher chaque projet avec l'avancement du pipeline (présence de FORK_REPORT.md, SANITIZATION_REPORT.md, CLAUDE.md).


/opensource status PROJET

cat $HOME/opensource-staging/${PROJET}/SANITIZATION_REPORT.md
cat $HOME/opensource-staging/${PROJET}/FORK_REPORT.md

Structure du staging

$HOME/opensource-staging/
  mon-projet/
    FORK_REPORT.md           # De l'agent forker
    SANITIZATION_REPORT.md   # De l'agent sanitizer
    CLAUDE.md                # De l'agent packager
    setup.sh                 # De l'agent packager
    README.md                # De l'agent packager
    .env.example             # De l'agent forker
    ...                      # Fichiers du projet nettoyés

Anti-patrons

  • Ne jamais pousser sur GitHub sans approbation de l'utilisateur
  • Ne jamais sauter le sanitizer — c'est la porte de sécurité
  • Ne jamais continuer après un échec du sanitizer sans corriger tous les problèmes critiques
  • Ne jamais laisser .env, *.pem ou credentials.json dans le répertoire de staging

Bonnes pratiques

  • Toujours exécuter le pipeline complet (fork → sanitize → package) pour les nouvelles versions
  • Le répertoire de staging persiste jusqu'à nettoyage explicite — l'utiliser pour la révision
  • Relancer le sanitizer après toute correction manuelle avant publication
  • Paramétrer les secrets plutôt que de les supprimer — préserver la fonctionnalité du projet

Compétences associées

Voir security-review pour les modèles de détection de secrets utilisés par le sanitizer.

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