Communitygithub.com

Pipeline RFC Ralphinho

Pipeline DAG multi-agent piloté par RFC avec portes qualité, file d'attente de fusion et orchestration d'unités de travail. Utilisez-le pour exécuter une orchestration multi-agent pilotée par RFC avec portes qualité et file d'attente de fusion.

Qu'est-ce que Pipeline RFC Ralphinho ?

Cette compétence implémente un pipeline d'exécution multi-agent basé sur des RFC (Requests for Comments), permettant de décomposer des fonctionnalités trop volumineuses pour un seul passage d'agent en unités de travail indépendantes et vérifiables. Inspirée des motifs de décomposition RFC de [humanplane](https://github.com/humanplane), elle orchestre sept étapes : réception RFC, décomposition DAG, affectation des unités, implémentation, validation, file d'attente de fusion et vérification finale. Chaque unité suit un modèle structuré (id, dépendances, portée, tests d'acceptance, niveau de risque, plan de rollback) et traverse un pipeline qualité interne (recherche, plan, implémentation, tests, revue, rapport prêt à fusionner). Trois niveaux de complexité sont définis (Tier 1-3) selon l'impact et les risques. Les règles de file d'attente de fusion interdisent de fusionner une unité avec des échecs de dépendance, imposent un rebase systématique sur la branche d'intégration et une réexécution des tests d'intégration après chaque fusion. En cas de blocage, la compétence prévoit une évacuation de la file active, une capture des résultats et une régénération de la portée réduite avant nouvelle tentative. Cette compétence est conçue pour des agents comme Claude Code, Cursor ou Codex, et produit des journaux d'exécution RFC, des fiches d'évaluation par unité, un graphe de dépendances et un résumé des risques d'intégration.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/ralphinho-rfc-pipeline
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Que fait Pipeline RFC Ralphinho ?

Inspiré des motifs de décomposition RFC de style humanplane et des workflows d'orchestration multi-unités.

Utilisez cette compétence lorsqu'une fonctionnalité est trop volumineuse pour un seul passage d'agent et doit être divisée en unités de travail indépendamment vérifiables.

Étapes du Pipeline

  1. Réception RFC
  2. Décomposition DAG
  3. Affectation des unités
  4. Implémentation des unités
  5. Validation des unités
  6. File d'attente de fusion et intégration
  7. Vérification finale du système

Modèle de Spécification d'Unité

Chaque unité de travail doit inclure :

  • id
  • depends_on
  • scope
  • acceptance_tests
  • risk_level
  • rollback_plan

Niveaux de Complexité

  • Niveau 1 : modifications de fichiers isolées, tests déterministes
  • Niveau 2 : modifications de comportement multi-fichiers, risque d'intégration modéré
  • Niveau 3 : modifications de schéma / authentification / performances / sécurité

Pipeline Qualité par Unité

  1. recherche
  2. plan d'implémentation
  3. implémentation
  4. tests
  5. revue
  6. rapport prêt à fusionner

Règles de la File d'Attente de Fusion

  • Ne jamais fusionner une unité avec des échecs de dépendance non résolus.
  • Toujours rebaser les branches d'unité sur la dernière branche d'intégration.
  • Ré-exécuter les tests d'intégration après chaque fusion en file.

Récupération

Si une unité bloque :

  • évacuer de la file active
  • capturer les résultats
  • régénérer une portée d'unité réduite
  • réessayer avec des contraintes mises à jour

Sorties

  • Journal d'exécution RFC
  • fiches d'évaluation par unité
  • instantané du graphe de dépendances
  • résumé des risques d'intégration

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

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community