Communitygithub.com

persistance-avec-actors-swift

Persistance de données thread-safe en Swift utilisant les actors — cache en mémoire avec stockage fichier, éliminant les conditions de concurrence par conception. À utiliser lors de la persistance de données en Swift lorsqu'un problème de concurrence ou de sécurité des threads doit être résolu.

Qu'est-ce que persistance-avec-actors-swift ?

Cette compétence fournit un modèle éprouvé pour construire une couche de persistance de données thread-safe en Swift, en combinant un cache en mémoire avec un stockage sur fichier grâce au modèle d'actors. Elle élimine les conditions de concurrence (data races) dès la compilation, sans avoir recours aux verrous manuels (locks) ou aux files d'attente (DispatchQueue). Les actors garantissent un accès sérialisé aux données, ce qui rend le code plus sûr et plus simple à raisonner. La compétence prend en charge Swift 5.5+ et s'intègre parfaitement avec les ViewModels `@Observable` pour une réactivité UI moderne. Elle est idéale pour les applications iOS/macOS locales, les architectures offline-first, et toute situation où un état mutable partagé doit être manipulé de manière concurrente.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/swift-actor-persistence

Demander à votre IA préférée

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

Documentation

Actors Swift pour une Persistance Thread-Safe

Modèles pour construire des couches de persistance de données thread-safe en utilisant les actors Swift. Combine le cache en mémoire avec le stockage fichier, en exploitant le modèle d'actors pour éliminer les conditions de concurrence à la compilation.

Quand l'activer

  • Construire une couche de persistance de données en Swift 5.5+
  • Nécessité d'un accès thread-safe à un état mutable partagé
  • Vouloir éliminer la synchronisation manuelle (locks, DispatchQueues)
  • Construire des applications offline-first avec stockage local

Modèle Principal

Repository Basé sur un Actor

Le modèle d'actor garantit un accès sérialisé — pas de conditions de concurrence, imposé par le compilateur.

public actor LocalRepository<T: Codable & Identifiable> where T.ID == String {
    private var cache: [String: T] = [:]
    private let fileURL: URL

    public init(directory: URL = .documentsDirectory, filename: String = "data.json") {
        self.fileURL = directory.appendingPathComponent(filename)
        // Chargement synchrone pendant l'init (isolation de l'actor pas encore active)
        self.cache = Self.loadSynchronously(from: fileURL)
    }

    // MARK: - API Publique

    public func save(_ item: T) throws {
        cache[item.id] = item
        try persistToFile()
    }

    public func delete(_ id: String) throws {
        cache[id] = nil
        try persistToFile()
    }

    public func find(by id: String) -> T? {
        cache[id]
    }

    public func loadAll() -> [T] {
        Array(cache.values)
    }

    // MARK: - Privé

    private func persistToFile() throws {
        let data = try JSONEncoder().encode(Array(cache.values))
        try data.write(to: fileURL, options: .atomic)
    }

    private static func loadSynchronously(from url: URL) -> [String: T] {
        guard let data = try? Data(contentsOf: url),
              let items = try? JSONDecoder().decode([T].self, from: data) else {
            return [:]
        }
        return Dictionary(uniqueKeysWithValues: items.map { ($0.id, $0) })
    }
}

Utilisation

Tous les appels sont automatiquement asynchrones en raison de l'isolation de l'actor :

let repository = LocalRepository<Question>()

// Lecture — recherche O(1) rapide depuis le cache en mémoire
let question = await repository.find(by: "q-001")
let allQuestions = await repository.loadAll()

// Écriture — met à jour le cache et persiste sur le fichier de manière atomique
try await repository.save(newQuestion)
try await repository.delete("q-001")

Combinaison avec un ViewModel @Observable

@Observable
final class QuestionListViewModel {
    private(set) var questions: [Question] = []
    private let repository: LocalRepository<Question>

    init(repository: LocalRepository<Question> = LocalRepository()) {
        self.repository = repository
    }

    func load() async {
        questions = await repository.loadAll()
    }

    func add(_ question: Question) async throws {
        try await repository.save(question)
        questions = await repository.loadAll()
    }
}

Décisions de Conception Clés

DécisionJustification
Actor (pas classe + verrou)Sécurité des threads imposée par le compilateur, pas de synchronisation manuelle
Cache en mémoire + persistance fichierLectures rapides depuis le cache, écritures durables sur le disque
Chargement synchrone dans l'initÉvite la complexité de l'initialisation asynchrone
Dictionnaire indexé par IDRecherches O(1) par identifiant
Générique sur Codable & IdentifiableRéutilisable sur n'importe quel type de modèle
Écritures atomiques (.atomic)Empêche les écritures partielles en cas de crash

Bonnes Pratiques

  • Utiliser des types Sendable pour toutes les données traversant les frontières des actors
  • Garder l'API publique de l'actor minimale — n'exposer que les opérations métier, pas les détails de persistance
  • Utiliser les écritures .atomic pour éviter la corruption des données si l'application plante pendant l'écriture
  • Charger de manière synchrone dans init — les initialisateurs asynchrones ajoutent de la complexité avec peu d'avantages pour les fichiers locaux
  • Combiner avec les ViewModels @Observable pour des mises à jour réactives de l'interface utilisateur

Anti-Patterns à Éviter

  • Utiliser DispatchQueue ou NSLock à la place des actors pour du nouveau code de concurrence Swift
  • Exposer le dictionnaire de cache interne aux appelants externes
  • Rendre l'URL du fichier configurable sans validation
  • Oublier que tous les appels de méthodes d'un actor sont await — les appelants doivent gérer le contexte asynchrone
  • Utiliser nonisolated pour contourner l'isolation de l'actor (cela va à l'encontre de son but)

Quand Utiliser

  • Stockage de données local dans les applications iOS/macOS (données utilisateur, paramètres, contenu en cache)
  • Architectures offline-first qui se synchronisent avec un serveur ultérieurement
  • Tout état mutable partagé auquel plusieurs parties de l'application accèdent simultanément
  • Remplacer la sécurité des threads basée sur DispatchQueue héritée par la concurrence moderne de Swift

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