Communitygithub.com

Optimiseur d'Exécution Parallèle

Utilisez cette compétence lorsque l'utilisateur souhaite qu'une tâche soit réalisée beaucoup plus rapidement grâce à un travail parallèle, des agents concurrents, des appels d'outils par lots, des espaces de travail isolés ou de nombreuses voies de vérification indépendantes, sans perdre en exactitude.

Qu'est-ce que Optimiseur d'Exécution Parallèle ?

Cette compétence est conçue pour les développeurs et les utilisateurs d'agents IA (comme Claude Code, Cursor, Codex) qui cherchent à accélérer l'exécution de tâches complexes en exploitant le parallélisme. Elle transforme l'urgence en un graphe de dépendances avant d'agir, permettant de diviser le travail en « voies » (lanes) indépendantes qui peuvent être exécutées simultanément sans conflit. L'Optimiseur d'Exécution Parallèle définit un motif clair : identifier l'objectif et le signal de fin, séparer le travail en voies parallèles, séquentielles ou conditionnelles, lancer les lectures et vérifications indépendantes ensemble, maintenir les écritures isolées (par fichier, espace de travail, branche, service ou jeu de données), puis fusionner uniquement après avoir prouvé la compatibilité. Il inclut des règles d'exécution strictes : regrouper les lectures de fichiers, les recherches et les vérifications de statut, utiliser des espaces de travail isolés pour les implémentations majeures non liées, lancer les tests longs et les déploiements dans des sessions séparées avec des sondes régulières, et ne jamais paralléliser les commandes destructrices sans validation explicite. Le résultat attendu est un tableau de vérification qui liste les voies exécutées, complétées et bloquées, ainsi que le chemin rapide trouvé et les vérifications effectuées. Cette compétence est particulièrement utile pour les tâches impliquant l'inspection de dépôt, la lecture de fichiers, les vérifications d'API et de navigateur, les pistes de construction/test, les déploiements et les passes d'implémentation multi-espaces de travail.

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

Demander à votre IA préférée

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

Documentation

Que fait Optimiseur d'Exécution Parallèle ?

Utilisez cette compétence lorsque la vitesse provient de l'exécution simultanée de travaux indépendants : inspection de dépôt, lectures de fichiers, vérifications d'API, vérifications de navigateur, pistes de construction/test, relectures de déploiement, ou passes d'implémentation multi-espaces de travail.

Motif Principal

Transformez l'urgence en un graphe de dépendances avant d'agir.

  1. Définissez l'objectif et le signal de fin.
  2. Divisez le travail en voies (lanes).
  3. Marquez chaque voie comme parallèle, séquentielle ou conditionnelle.
  4. Exécutez les lectures et vérifications indépendantes ensemble.
  5. Maintenez les écritures isolées par fichier, espace de travail, branche, service ou jeu de données.
  6. Fusionnez uniquement après que les preuves montrent que les voies sont compatibles.
  7. Terminez par un tableau de vérification, pas une affirmation de vitesse vague.

Matrice des Voies

Avant une grande poussée, écrivez une matrice compacte :

Voie | Peut s'exécuter en parallèle ? | Surface d'écriture | Risque | Vérification
Analyse du dépôt | oui | aucune | faible | rg/git status outputs
Correctif backend | peut-être | src/api | moyen | tests unitaires
Correctif frontend | peut-être | app/components | moyen | capture d'écran du navigateur
Relecture du déploiement | après construction | service distant | élevé | URL en direct + logs

Exécutez les voies en parallèle uniquement lorsque leurs surfaces d'écriture n'entrent pas en collision.

Règles d'Exécution

  • Regroupez les lectures de fichiers, les recherches, les vérifications de statut et les requêtes de métadonnées.
  • Utilisez des espaces de travail isolés (worktrees) pour les grandes voies d'implémentation non liées.
  • Lancez les tests longs, les constructions, les remises à niveau et les déploiements dans des sessions séparées, puis interrogez-les délibérément.
  • Si une voie découvre un blocage qui modifie le plan, mettez en pause les voies dépendantes et mettez à jour la matrice.
  • Ne laissez jamais un processus en arrière-plan survivre au tour de travail, sauf si l'utilisateur a explicitement demandé un service continu.
  • Ne parallélisez pas les commandes destructrices, les migrations, les écritures sur la même table, ou les déploiements ayant un impact direct sur les clients sans une validation explicite.

Format de Sortie

Utilisez ce format lors du rapport :

Résultat de l'exécution parallèle :
- Voies exécutées : 5
- Voies terminées : 4
- Voie bloquée : relecture du déploiement, en attente de propagation DNS
- Chemin rapide trouvé : analyse groupée du dépôt + tests ciblés
- Vérification : lint réussi, tests unitaires réussis, test en direct réussi

Modes d'Échec

  • Plus de concurrence créant des modifications conflictuelles.
  • Évaluer l'outil plutôt que la tâche.
  • Considérer « rapide » comme terminé avant que l'exactitude ne soit prouvée.
  • Oublier d'interroger les sessions en cours d'exécution.
  • Masquer les vérifications ignorées derrière un résumé de succès.

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