Communitygithub.com

Registre de Décision Récursive

À utiliser lorsque l'utilisateur demande des déploiements répétés, des processus de décision marqués, une recherche en haute dimension, une optimisation stochastique, une exploration des optima locaux, une comparaison d'ensembles, ou un raisonnement récursif avec une trace de preuves visible.

Qu'est-ce que Registre de Décision Récursive ?

La compétence 'Recursive Decision Ledger' (Registre de Décision Récursive) est conçue pour les assistants IA (comme Claude Code) lorsqu'ils doivent effectuer des boucles de raisonnement ou d'exploration multiples et structurées, notamment pour des problèmes complexes comme l'optimisation stochastique, la recherche en haute dimension, ou la comparaison d'ensembles de modèles. Elle standardise la manière de documenter chaque cycle (rollout) en enregistrant des méta-données clés (identifiant, horodatage, candidats, espace de recherche, etc.) dans un registre au format JSONL ou Markdown. L'objectif est de préserver la trace de preuves et la mémoire des essais antérieurs tout en évitant les interprétations erronées de certitude : la compétence insiste sur le fait que la récursion ne prouve pas une certitude absolue, mais fournit une base pour des décisions éclairées. Elle inclut des règles de promotion strictes (privilégiant les modes démo ou lecture seule sauf approbation explicite) et une structure de résumé concise, centrée sur la décision. Cette compétence est utile pour les développeurs travaillant sur le trading algorithmique, l'allocation de capital, les déploiements de production ou toute tâche nécessitant des évaluations répétées avec traçabilité et gouvernance.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/recursive-decision-ledger

Demander à votre IA préférée

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

Documentation

Que fait Registre de Décision Récursive ?

Utilisez cette compétence lorsque l'utilisateur tente de forcer un calcul plus approfondi via des déploiements répétés ou un prompting récursif de type "Prime Gauss". Préservez la partie utile : essais répétés, mémoire antérieure, informations fraîches et marques explicites. Supprimez la partie dangereuse : prétendre que la boucle prouve la certitude.

Contrat du Registre

Chaque déploiement doit enregistrer :

  • identifiant du déploiement et horodatage ;
  • gagnant accepté antérieur et liste de surveillance antérieure ;
  • nouvelles informations ingérées ;
  • taille de l'espace de recherche ;
  • familles de modèles ou heuristiques utilisées ;
  • nombre d'essais et nombre d'essais effectifs ;
  • meilleurs candidats ;
  • marques de décision ;
  • marques de cohérence par rapport au registre antérieur ;
  • résultat du portail de promotion.

Préférez le JSONL pour les registres en annexe et le Markdown pour les résumés humains.

Boucle de Déploiement

  1. Chargez le registre antérieur.
  2. Capturez les nouvelles informations à l'instant zéro.
  3. Exécutez la recherche bornée.
  4. Marquez chaque candidat : accepter, surveiller, rejeter, surveiller avec dégradation, ou rejouer nécessaire.
  5. Comparez les gagnants avec les gagnants antérieurs et le dernier déploiement marqué.
  6. Rétrogradez les candidats lorsque la dérive, le risque de queue, les données obsolètes ou un rejeu échoué invalide la marque précédente.
  7. Ajoutez les artefacts avant de résumer.

Marque de Cohérence

Incluez une marque de cohérence compacte :

L'ensemble correspond au gagnant antérieur : vrai
La récursion correspond au gagnant antérieur : faux
Dernier déploiement correspond : vrai
Promotion en direct autorisée : faux
Motif : les portails de rejeu et de fraîcheur ne sont pas satisfaits

Règles de Promotion

Pour le trading, l'allocation de capital, les déploiements en production, les migrations ou les opérations destructrices, la confiance récursive n'est pas une approbation.

Par défaut, utilisez le mode papier, essai à sec, lecture seule, aperçu ou progressif, sauf si l'utilisateur approuve explicitement l'action en direct et que le portail du dépôt/service le prend en charge.

Promouvez uniquement lorsque :

  • le candidat bat le gagnant accepté antérieur sur la métrique choisie ;
  • les vérifications de correction et de rejeu réussissent ;
  • les limites de risque sont explicites ;
  • la preuve est durable ;
  • l'utilisateur a approuvé l'étape en direct si nécessaire.

Format du Résumé

Commencez par la décision, pas le drame :

Déploiement 15 terminé. Le gagnant antérieur tient toujours, mais la marge s'est dégradée de 17%.
Statut : surveiller, pas en direct. Prochain portail : 20 rejeux avec un âge du carnet d'ordres frais en dessous du seuil.

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