Communitygithub.com

search-first

Workflow de recherche avant implémentation. Recherche les outils, bibliothèques et modèles existants avant d'écrire du code personnalisé. Invoque l'agent chercheur.

Qu'est-ce que search-first ?

Le skill **search-first** instaure un workflow de recherche systématique avant toute implémentation de code. Il guide l'agent IA (comme Claude Code, Cursor ou Codex) à analyser le besoin, lancer des recherches parallèles via npm/PyPI, GitHub, les MCP servers et le Skill Directory, puis évaluer et décider d'adopter, étendre, composer ou construire une solution. Ce skill évite de réinventer la roue en privilégiant les solutions existantes, ce qui réduit le temps de développement et la complexité. Il s'intègre avec les agents planificateur et architecte, et propose une matrice de décision claire. Le SKILL.md détaille les étapes, les raccourcis de recherche par catégorie, des exemples concrets et les anti-patterns à éviter.

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

Demander à votre IA préférée

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

Documentation

/search-first — Cherchez avant de coder

Systématise le workflow « rechercher des solutions existantes avant d'implémenter ».

Déclencheur

Utilisez ce skill lorsque :

  • Vous commencez une nouvelle fonctionnalité qui a probablement des solutions existantes
  • Vous ajoutez une dépendance ou une intégration
  • L'utilisateur demande « ajouter la fonctionnalité X » et que vous êtes sur le point d'écrire du code
  • Vous créez un nouvel utilitaire, helper ou abstraction

Workflow

┌─────────────────────────────────────────────┐
│  0. VÉRIFICATION PRÉALABLE DES OUTILS       │
│     Vérifier les canaux de recherche avant  │
│     de s'y fier ; signaler honnêtement les  │
│     canaux ignorés                          │
├─────────────────────────────────────────────┤
│  1. ANALYSE DU BESOIN                       │
│     Définir la fonctionnalité nécessaire    │
│     Identifier les contraintes langage/fw   │
├─────────────────────────────────────────────┤
│  2. RECHERCHE PARALLÈLE (agent chercheur)   │
│     ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│     │  npm /   │ │  MCP /   │ │  GitHub /│ │
│     │  PyPI    │ │  Skills  │ │  Web     │ │
│     └──────────┘ └──────────┘ └──────────┘ │
├─────────────────────────────────────────────┤
│  3. ÉVALUER                                 │
│     Noter les candidats (fonctionnalité,    │
│     maintenance, communauté, docs, licence, │
│     dépendances)                            │
├─────────────────────────────────────────────┤
│  4. DÉCIDER                                 │
│     ┌─────────┐  ┌──────────┐  ┌─────────┐ │
│     │ Adopter │  │ Étendre  │  │ Créer   │ │
│     │ Tel quel│  │ /Wrapper │  │ sur     │ │
│     └─────────┘  └──────────┘  └─────────┘ │
├─────────────────────────────────────────────┤
│  5. IMPLÉMENTER                             │
│     Installer le paquet / Configurer MCP /  │
│     Écrire un minimum de code personnalisé  │
└─────────────────────────────────────────────┘

Matrice de décision

SignalAction
Correspondance exacte, bien maintenu, MIT/ApacheAdopter — installer et utiliser directement
Correspondance partielle, bonne baseÉtendre — installer + écrire une fine couche d'adaptation
Plusieurs correspondances faiblesComposer — combiner 2-3 petits paquets
Aucune solution adaptée trouvéeCréer — écrire du code personnalisé, mais informé par la recherche

Comment utiliser

Étape 0 : Vérification préalable des outils

Ceci est un guide pour l'agent, pas un script de configuration exécutable. Vérifiez uniquement les canaux pertinents pour la tâche et le projet en cours.

CanalVérificationSi manquant
Recherche dans le dépôtrg --files et requêtes rg cibléesIndiquer que seuls les fichiers visibles ont été inspectés
Registre de paquetsnpm --version, python -m pip --version, ou le gestionnaire de paquets du projetUtiliser la recherche web/docs et éviter d'affirmer la couverture du registre
GitHub CLIgh auth statusUtiliser uniquement le web public ou l'historique git local
Outils MCP/docsListe d'outils disponibles ou configuration MCP localeRevenir aux docs officielles / recherche web
Répertoire de skillsls ~/.claude/skills ~/.codex/skills le cas échéantDire qu'aucun catalogue local de skills n'était disponible

Mode rapide (en ligne)

Avant d'écrire un utilitaire ou d'ajouter une fonctionnalité, parcourez mentalement :

  1. Cela existe-t-il déjà dans le dépôt ? → rg dans les modules/tests pertinents d'abord
  2. Est-ce un problème courant ? → Chercher sur npm/PyPI
  3. Existe-t-il un MCP pour cela ? → Vérifier ~/.claude/settings.json et chercher
  4. Existe-t-il un skill pour cela ? → Vérifier ~/.claude/skills/
  5. Existe-t-il une implémentation/modèle GitHub ? → Lancer une recherche GitHub de code pour trouver des OSS maintenus avant d'écrire du code neuf

Mode complet (agent)

Pour une fonctionnalité non triviale, lancez l'agent chercheur :

Agent(subagent_type="general-purpose", prompt="
  Rechercher des outils existants pour : [DESCRIPTION]
  Langage/framework : [LANG]
  Contraintes : [CONTRAINTES]

  Chercher : npm/PyPI, serveurs MCP, skills Claude Code, GitHub
  Retourner : Comparaison structurée avec recommandation
")

Les anciennes docs Claude Code peuvent appeler cela Task(...) ; utilisez le nom de l'outil agent/subagent actuel exposé par le harnais actif.

Raccourcis de recherche par catégorie

Outils de développement

  • Linting → eslint, ruff, textlint, markdownlint
  • Formatage → prettier, black, gofmt
  • Tests → jest, pytest, go test
  • Pre-commit → husky, lint-staged, pre-commit

Intégration IA/LLM

  • SDK Claude → Context7 pour les dernières docs
  • Gestion des prompts → Vérifier les serveurs MCP
  • Traitement de documents → unstructured, pdfplumber, mammoth

Données & API

  • Clients HTTP → httpx (Python), ky/undici (Node)
  • Validation → zod (TS), pydantic (Python)
  • Base de données → Vérifier d'abord les serveurs MCP

Contenu & Publication

  • Traitement Markdown → remark, unified, markdown-it
  • Optimisation d'images → sharp, imagemin

Points d'intégration

Avec l'agent planificateur

Le planificateur doit invoquer le chercheur avant la phase 1 (Revue d'architecture) :

  • Le chercheur identifie les outils disponibles
  • Le planificateur les intègre dans le plan d'implémentation
  • Évite de « réinventer la roue » dans le plan

Avec l'agent architecte

L'architecte doit consulter le chercheur pour :

  • Les décisions de pile technologique
  • La découverte de motifs d'intégration
  • Les architectures de référence existantes

Avec le skill iterative-retrieval

Combiner pour une découverte progressive :

  • Cycle 1 : Recherche large (npm, PyPI, MCP)
  • Cycle 2 : Évaluation détaillée des meilleurs candidats
  • Cycle 3 : Test de compatibilité avec les contraintes du projet

Exemples

Exemple 1 : « Ajouter la vérification de liens morts »

Besoin : Vérifier les liens brisés dans les fichiers markdown
Recherche : npm "markdown dead link checker"
Trouvé : textlint-rule-no-dead-link (score : 9/10)
Action : ADOPTER — npm install textlint-rule-no-dead-link
Résultat : Zéro code personnalisé, solution éprouvée en production

Exemple 2 : « Ajouter un wrapper client HTTP »

Besoin : Client HTTP résilient avec gestion des tentatives et des timeouts
Recherche : npm "http client retry", PyPI "httpx retry"
Trouvé : got (Node) avec plugin de retry, httpx (Python) avec retry intégré
Action : ADOPTER — utiliser got/httpx directement avec configuration retry
Résultat : Zéro code personnalisé, bibliothèques éprouvées en production

Exemple 3 : « Ajouter un linter de fichiers de configuration »

Besoin : Valider les fichiers de configuration d'un projet par rapport à un schéma
Recherche : npm "config linter schema", "json schema validator cli"
Trouvé : ajv-cli (score : 8/10)
Action : ADOPTER + ÉTENDRE — installer ajv-cli, écrire un schéma spécifique au projet
Résultat : 1 paquet + 1 fichier de schéma, pas de logique de validation personnalisée

Anti-patrons

  • Sauter directement au code : Écrire un utilitaire sans vérifier s'il existe
  • Ignorer MCP : Ne pas vérifier si un serveur MCP fournit déjà la capacité
  • Ignorer silencieusement : Signaler « rien trouvé » alors qu'un canal de recherche était indisponible
  • Sur-personnaliser : Envelopper une bibliothèque si lourdement qu'elle perd ses avantages
  • Gonflement des dépendances : Installer un énorme paquet pour une petite fonctionnalité

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