Communitygithub.com

boucles-autonomes

Modèles et architectures pour les boucles autonomes de Claude Code — des pipelines séquentiels simples aux systèmes DAG multi-agents pilotés par RFC. Conservé uniquement pour la compatibilité : pour les nouvelles directives de boucle autonome, utilisez plutôt continuous-agent-loop.

Qu'est-ce que boucles-autonomes ?

La compétence "boucles autonomes" fournit un catalogue de modèles architecturaux pour exécuter Claude Code en mode autonome via des boucles. Elle couvre l'ensemble du spectre, allant des pipelines séquentiels basiques basés sur `claude -p` jusqu'à l'orchestration DAG multi-agents pilotée par des RFC. Cette compétence est conçue pour les développeurs qui souhaitent automatiser des workflows de développement complexes, intégrer l'IA dans des pipelines CI/CD, ou orchestrer plusieurs agents travaillant en parallèle sur des tâches distinctes. Elle est compatible avec les plateformes Claude Code et des outils comme NanoClaw et Continuous Claude PR Loop. Le résumé insiste sur le fait qu'il s'agit d'une compétence de compatibilité conservée ; la nouvelle guidance devrait être rédigée dans la compétence continue-agent-loop. Chaque modèle est expliqué avec des cas d'utilisation, des schémas d'architecture, et des extraits de code prêts à l'emploi, permettant aux utilisateurs de sélectionner et de déployer rapidement la structure de boucle la mieux adaptée à leur problème.

Compatible avec✓Claude Code✓Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/autonomous-loops

Demander à votre IA préférée

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

Documentation

Compétence Boucles Autonomes

Note de compatibilité (v1.8.0) : autonomous-loops est conservé pour une version. Le nom canonique de la compétence est désormais continuous-agent-loop. Les nouvelles directives pour les boucles doivent être rédigées dans cette dernière, tandis que cette compétence reste disponible pour ne pas casser les workflows existants.

Modèles, architectures et implémentations de référence pour exécuter Claude Code de manière autonome en boucles. Couvre tout, des simples pipelines claude -p aux systèmes d'orchestration DAG multi-agents pilotés par RFC.

Quand l'utiliser

  • Mettre en place des workflows de développement autonomes qui s'exécutent sans intervention humaine
  • Choisir la bonne architecture de boucle pour votre problème (simple vs complexe)
  • Construire des pipelines de développement continu de type CI/CD
  • Exécuter des agents en parallèle avec une coordination de fusion
  • Implémenter la persistance du contexte entre les itérations de boucle
  • Ajouter des portes de qualité et des passes de nettoyage aux workflows autonomes

Spectre des modèles de boucle

Du plus simple au plus sophistiqué :

ModèleComplexitéMeilleur pour
Pipeline séquentielFaibleÉtapes de développement quotidiennes, workflows scriptés
REPL NanoClawFaibleSessions persistantes interactives
Boucle agentique infinieMoyenneGénération de contenu parallèle, travail piloté par spécifications
Boucle PR continue de ClaudeMoyenneProjets itératifs sur plusieurs jours avec portes CI
Modèle de dé-gadgétisationAjoutNettoyage de qualité après toute étape d'implémentation
Ralphinho / DAG piloté par RFCÉlevéeFonctionnalités volumineuses, travail parallèle multi-unités avec file d'attente de fusion

1. Pipeline séquentiel (claude -p)

La boucle la plus simple. Décomposez le développement quotidien en une séquence d'appels non interactifs claude -p. Chaque appel est une étape ciblée avec une invite précise.

Aperçu essentiel

Si vous ne pouvez pas concevoir une boucle comme celle-ci, cela signifie que vous ne pouvez même pas pousser le LLM à corriger votre code en mode interactif.

Le drapeau claude -p exécute Claude Code de manière non interactive avec une invite, puis se termine. Enchaînez les appels pour construire un pipeline :

#!/bin/bash
# daily-dev.sh — Pipeline séquentiel pour une branche de fonctionnalité

set -e

# Étape 1 : Implémenter la fonctionnalité
claude -p "Lisez la spec dans docs/auth-spec.md. Implémentez la connexion OAuth2 dans src/auth/. Écrivez les tests d'abord (TDD). NE créez AUCUN nouveau fichier de documentation."

# Étape 2 : Dé-gadgétiser (passage de nettoyage)
claude -p "Passez en revue tous les fichiers modifiés par le commit précédent. Supprimez tous les tests de type inutiles, les vérifications excessivement défensives, ou les tests de fonctionnalités du langage (par exemple, tester que les génériques TypeScript fonctionnent). Gardez les tests de logique métier réels. Exécutez la suite de tests après le nettoyage."

# Étape 3 : Vérifier
claude -p "Exécutez la build complète, le lint, la vérification de type et la suite de tests. Corrigez toute défaillance. N'ajoutez pas de nouvelles fonctionnalités."

# Étape 4 : Commiter
claude -p "Créez un commit conventionnel pour toutes les modifications en staging. Utilisez 'feat: ajouter le flux de connexion OAuth2' comme message."

Principes de conception clés

  1. Chaque étape est isolée — Une nouvelle fenêtre de contexte par appel claude -p signifie aucune fuite de contexte entre les étapes.
  2. L'ordre compte — Les étapes s'exécutent séquentiellement. Chacune repose sur l'état du système de fichiers laissé par la précédente.
  3. Les instructions négatives sont dangereuses — Ne dites pas "ne testez pas les systèmes de types". Ajoutez plutôt une étape de nettoyage séparée (voir Modèle de dé-gadgétisation).
  4. Les codes de sortie se propagent — set -e arrête le pipeline en cas d'échec.

Variantes

Avec routage de modèle :

# Recherche avec Opus (raisonnement profond)
claude -p --model opus "Analysez l'architecture du codebase et écrivez un plan pour ajouter la mise en cache..."

# Implémentation avec Sonnet (rapide, capable)
claude -p "Implémentez la couche de cache selon le plan dans docs/caching-plan.md..."

# Révision avec Opus (approfondi)
claude -p --model opus "Passez en revue toutes les modifications pour les problèmes de sécurité, les conditions de course et les cas limites..."

Avec contexte d'environnement :

# Passer le contexte via des fichiers, pas par la longueur de l'invite
echo "Domaines d'intérêt : module d'authentification, limitation de débit API" > .claude-context.md
claude -p "Lisez .claude-context.md pour les priorités. Travaillez-les dans l'ordre."
rm .claude-context.md

Avec restrictions --allowedTools :

# Passage d'analyse en lecture seule
claude -p --allowedTools "Read,Grep,Glob" "Auditez ce codebase pour les vulnérabilités de sécurité..."

# Passage d'implémentation en écriture seule
claude -p --allowedTools "Read,Write,Edit,Bash" "Implémentez les correctifs de security-audit.md..."

2. REPL NanoClaw

La boucle persistante intégrée d'ECC. Un REPL conscient de la session qui appelle claude -p de manière synchrone avec l'historique complet de la conversation.

# Démarrer la session par défaut
node scripts/claw.js

# Session nommée avec contexte de compétence
CLAW_SESSION=my-project CLAW_SKILLS=tdd-workflow,security-review node scripts/claw.js

Comment ça fonctionne

  1. Charge l'historique de conversation depuis ~/.claude/claw/{session}.md
  2. Chaque message utilisateur est envoyé à claude -p avec l'historique complet comme contexte
  3. Les réponses sont ajoutées au fichier de session (Markdown comme base de données)
  4. Les sessions persistent entre les redémarrages

Quand NanoClaw vs Pipeline séquentiel

Cas d'utilisationNanoClawPipeline séquentiel
Exploration interactiveOuiNon
Automatisation scriptéeNonOui
Persistance de sessionIntégréeManuelle
Accumulation de contexteCroît par tourFrais à chaque étape
Intégration CI/CDMédiocreExcellente

Voir la documentation de la commande /claw pour tous les détails.


3. Boucle agentique infinie

Un système à deux invites qui orchestre des sous-agents parallèles pour une génération pilotée par spécification. Développé par disler (crédit : @disler).

Architecture : Système à deux invites

INVITE 1 (Orchestrateur)            INVITE 2 (Sous-agents)
┌─────────────────────┐             ┌──────────────────────┐
│ Analyser le fichier spec          │ Recevoir le contexte complet  │
│ Scanner le répertoire de sortie   │ Lire le numéro attribué     │
│ Planifier l'itération             │ Suivre la spec exactement    │
│ Attribuer les directions créatives│ Générer une sortie unique    │
│ Gérer les vagues                  │ Sauvegarder dans le répertoire│
└─────────────────────┘             └──────────────────────┘

Le modèle

  1. Analyse de la spécification — L'orchestrateur lit un fichier de spécification (Markdown) définissant quoi générer
  2. Reconnaissance du répertoire — Scanne la sortie existante pour trouver le numéro d'itération le plus élevé
  3. Déploiement parallèle — Lance N sous-agents, chacun avec :
    • La spec complète
    • Une direction créative unique
    • Un numéro d'itération spécifique (pas de conflits)
    • Un instantané des itérations existantes (pour l'unicité)
  4. Gestion des vagues — Pour le mode infini, déploie des vagues de 3 à 5 agents jusqu'à épuisement du contexte

Implémentation via les commandes Claude Code

Créez .claude/commands/infinite.md :

Analysez les arguments suivants de $ARGUMENTS :
1. spec_file — chemin vers le markdown de spécification
2. output_dir — où les itérations sont sauvegardées
3. count — entier 1-N ou "infinite"

PHASE 1 : Lire et comprendre profondément la spécification.
PHASE 2 : Lister output_dir, trouver le numéro d'itération le plus élevé. Commencer à N+1.
PHASE 3 : Planifier les directions créatives — chaque agent reçoit un thème/approche DIFFÉRENT.
PHASE 4 : Déployer les sous-agents en parallèle (outil Task). Chacun reçoit :
  - Le texte complet de la spec
  - L'instantané actuel du répertoire
  - Leur numéro d'itération attribué
  - Leur direction créative unique
PHASE 5 (mode infini) : Boucler en vagues de 3 à 5 jusqu'à ce que le contexte soit faible.

Invoquer :

/project:infinite specs/component-spec.md src/ 5
/project:infinite specs/component-spec.md src/ infinite

Stratégie de traitement par lots

NombreStratégie
1-5Tous les agents simultanément
6-20Lots de 5
infiniVagues de 3-5, sophistication progressive

Aperçu essentiel : Unicité via l'attribution

Ne comptez pas sur les agents pour se différencier eux-mêmes. L'orchestrateur attribue à chaque agent une direction créative spécifique et un numéro d'itération. Cela empêche les concepts en double entre agents parallèles.


4. Boucle PR continue de Claude

Un script shell de qualité production qui exécute Claude Code en boucle continue, créant des PR, attendant le CI, et fusionnant automatiquement. Créé par AnandChowdhary (crédit : @AnandChowdhary).

Boucle centrale

┌─────────────────────────────────────────────────────┐
│ ITÉRATION CLAUDE CONTINUE                           │
│                                                     │
│  1. Créer une branche (continuous-claude/iteration-N)│
│  2. Exécuter claude -p avec invite améliorée        │
│  3. (Optionnel) Passage de révision — claude -p séparé │
│  4. Commiter les modifications (Claude génère le message) │
│  5. Pousser + créer PR (gh pr create)               │
│  6. Attendre les vérifications CI (sondage gh pr checks) │
│  7. Échec CI ? → Passage de correction automatique (claude -p) │
│  8. Fusionner PR (squash/merge/rebase)              │
│  9. Revenir à main → répéter                        │
│                                                     │
│  Limiter par : --max-runs N | --max-cost $X          │
│            --max-duration 2h | signal d'achèvement   │
└─────────────────────────────────────────────────────┘

Installation

Avertissement : Installez continuous-claude depuis son dépôt après avoir examiné le code. Ne pipez pas de scripts externes directement vers bash.

Utilisation

# Basique : 10 itérations
continuous-claude --prompt "Ajouter des tests unitaires pour toutes les fonctions non testées" --max-runs 10

# Limité par coût
continuous-claude --prompt "Corriger toutes les erreurs de lint" --max-cost 5.00

# Limité par temps
continuous-claude --prompt "Améliorer la couverture de test" --max-duration 8h

# Avec passage de révision de code
continuous-claude \
  --prompt "Ajouter la fonctionnalité d'authentification" \
  --max-runs 10 \
  --review-prompt "Exécuter npm test && npm run lint, corriger les échecs"

# Parallèle via worktrees
continuous-claude --prompt "Ajouter des tests" --max-runs 5 --worktree tests-worker &
continuous-claude --prompt "Refactoriser le code" --max-runs 5 --worktree refactor-worker &
wait

Contexte inter-itération : SHARED_TASK_NOTES.md

L'innovation cruciale : un fichier SHARED_TASK_NOTES.md persiste entre les itérations :

## Progression
- [x] Ajouté des tests pour le module auth (itération 1)
- [x] Corrigé le cas limite dans le rafraîchissement du token (itération 2)
- [ ] Manque encore : tests de limitation de débit, tests de limites d'erreur

## Prochaines étapes
- Se concentrer sur le module de limitation de débit ensuite
- La configuration mock dans tests/helpers.ts peut être réutilisée

Claude lit ce fichier au début de l'itération et le met à jour à la fin de l'itération. Cela comble le fossé de contexte entre les invocations indépendantes de claude -p.

Récupération d'échec CI

Lorsque les vérifications PR échouent, Continuous Claude automatiquement :

  1. Récupère l'ID d'exécution échouée via gh run list
  2. Lance un nouveau claude -p avec le contexte de correction CI
  3. Claude inspecte les logs via gh run view, corrige le code, commit, pousse
  4. Attend à nouveau les vérifications (jusqu'à --ci-retry-max tentatives)

Signal d'achèvement

Claude peut signaler "j'ai fini" en produisant une phrase magique :

continuous-claude \
  --prompt "Corriger tous les bugs dans le tracker d'issues" \
  --completion-signal "CONTINUOUS_CLAUDE_PROJECT_COMPLETE" \
  --completion-threshold 3  # S'arrête après 3 signaux consécutifs

Trois itérations consécutives signalant l'achèvement arrêtent la boucle, évitant les exécutions inutiles sur un travail terminé.

Configuration clé

DrapeauBut
--max-runs NS'arrêter après N itérations réussies
--max-cost $XS'arrêter après avoir dépensé $X
--max-duration 2hS'arrêter après le temps écoulé
--merge-strategy squashsquash, merge ou rebase
--worktree <nom>Exécution parallèle via git worktrees
--disable-commitsMode simulation (aucune opération git)
--review-prompt "..."Ajouter un passage de révision par itération
--ci-retry-max NCorrection automatique des échecs CI (défaut : 1)

5. Le modèle de dé-gadgétisation

Un modèle complémentaire pour toute boucle. Ajoutez une étape de nettoyage/refactorisation dédiée après chaque étape d'implémentation.

Le problème

Lorsque vous demandez à un LLM d'implémenter avec TDD, il prend "écrire des tests" trop littéralement :

  • Tests qui vérifient que le système de types de TypeScript fonctionne (tester typeof x === 'string')
  • Vérifications d'exécution excessivement défensives pour des choses que le système de types garantit déjà
  • Tests pour le comportement du framework plutôt que pour la logique métier
  • Gestion d'erreurs excessive qui obscurcit le code réel

Pourquoi pas des instructions négatives ?

Ajouter "ne testez pas les systèmes de types" ou "n'ajoutez pas de vérifications inutiles" à l'invite de l'implémenteur a des effets en aval :

  • Le modèle devient hésitant sur TOUS les tests
  • Il saute des tests de cas limites légitimes
  • La qualité se dégrade de manière imprévisible

La solution : Passage séparé

Au lieu de contraindre l'implémenteur, laissez-le être approfondi. Ajoutez ensuite un agent de nettoyage ciblé :

# Étape 1 : Implémenter (laissez-le être approfondi)
claude -p "Implémentez la fonctionnalité avec TDD complet. Soyez approfondi avec les tests."

# Étape 2 : Dé-gadgétiser (contexte séparé, nettoyage ciblé)
claude -p "Passez en revue toutes les modifications dans l'arbre de travail. Supprimez :
- Les tests qui vérifient le comportement du langage/framework plutôt que la logique métier
- Les vérifications de type redondantes que le système de types impose déjà
- La gestion d'erreurs excessivement défensive pour des états impossibles
- Les instructions console.log
- Le code commenté

Gardez tous les tests de logique métier. Exécutez la suite de tests après le nettoyage pour garantir que rien ne casse."

Dans un contexte de boucle

for feature in "${features[@]}"; do
  # Implémenter
  claude -p "Implémentez $feature avec TDD."

  # Dé-gadgétiser
  claude -p "Passage de nettoyage : révisez les modifications, supprimez le désordre de test/code, exécutez les tests."

  # Vérifier
  claude -p "Exécutez build + lint + tests. Corrigez les échecs."

  # Commiter
  claude -p "Commitez avec le message : feat: ajouter $feature"
done

Aperçu essentiel

Plutôt que d'ajouter des instructions négatives qui ont des effets de qualité en aval, ajoutez une passe de dé-gadgétisation séparée. Deux agents ciblés surpassent un agent contraint.


6. Ralphinho / Orchestration DAG pilotée par RFC

Le modèle le plus sophistiqué. Un pipeline multi-agent piloté par RFC, avec des phases séquentielles et des agents parallèles coordonnés via des documents d'architecture partagés. Créé par ralphinho (crédit : @ralphinho).

Architecture DAG

┌────────────────────────────────────────────────────────────┐
│ PIPELINE DAG MULTI-AGENT                                   │
│                                                            │
│  PHASE 1 : Spécification                                   │
│  ┌─────────────────┐                                       │
│  │ Plan de produit  │ → RFC technique                      │
│  └─────────────────┘                                       │
│         ↓                                                  │
│  PHASE 2 : Conception                                      │
│  ┌─────────────────┐                                       │
│  │ Document archi   │ → Plan d'implémentation              │
│  └─────────────────┘                                       │
│         ↓                                                  │
│  PHASE 3 : Implémentation (parallèle)                      │
│  ┌─────────┐ ┌─────────┐ ┌─────────┐                       │
│  │ Agent 1 │ │ Agent 2 │ │ Agent 3 │                       │
│  └─────────┘ └─────────┘ └─────────┘                       │
│         ↓                                                  │
│  PHASE 4 : Intégration                                     │
│  ┌─────────────────┐                                       │
│  │ File d'attente   │ → Fusion, révision                   │
│  │ de fusion        │                                       │
│  └─────────────────┘                                       │
└────────────────────────────────────────────────────────────┘

Les phases

Phase 1 : Spécification

Le premier agent lit les exigences et produit un RFC technique :

claude -p "Lisez le plan produit dans docs/product-plan.md. Générez un RFC technique couvrant :
- Architecture du système
- Modèles de données
- API endpoints
- Considérations de sécurité
- Stratégie de test

Écrivez dans docs/rfc-auth-system.md"

Phase 2 : Conception

Le deuxième agent transforme le RFC en un plan d'exécution détaillé :

claude -p "Lisez docs/rfc-auth-system.md. Créez un plan d'implémentation dans docs/implementation-plan.md avec :
- Unités de travail atomiques
- Dépendances entre unités
- Ordre d'implémentation
- Responsables des tests"

Phase 3 : Implémentation parallèle

Plusieurs agents implémentent des unités indépendantes simultanément :

# Agent 1 : Module d'authentification
claude -p "Implémentez le module auth selon docs/implementation-plan.md. Écrivez dans src/auth/" &

# Agent 2 : Modèles de données
claude -p "Implémentez les modèles de données selon docs/implementation-plan.md. Écrivez dans src/models/" &

# Agent 3 : API endpoints
claude -p "Implémentez les endpoints API selon docs/implementation-plan.md. Écrivez dans src/api/" &

wait

Phase 4 : Intégration et file d'attente de fusion

Un agent d'intégration fusionne les branches, exécute la suite de tests complète et coordonne les corrections :

# Fusionner toutes les branches d'implémentation dans une branche d'intégration
git merge --no-ff feature-auth feature-models feature-api -m "feat: intégration système auth"

# Exécuter la suite de tests et corriger les conflits
claude -p "Exécutez la suite de tests complète. Corrigez tous les conflits de fusion ou échecs de test.

Contexte :
- Module auth : src/auth/
- Modèles : src/models/
- API : src/api/

Assurez-vous que tous les composants fonctionnent ensemble."

Quand utiliser ce modèle

Ce modèle est préféré lorsque :

  • La fonctionnalité est volumineuse — Plus de 5 unités de travail
  • L'équipe a de l'expérience — Vous avez déjà utilisé les modèles plus simples
  • La coordination est critique — Plusieurs composants doivent s'intégrer proprement
  • La qualité est primordiale — Chaque phase a ses propres garde-fous de qualité

Pièges clés

  1. Zèle de spécification — Passer trop de temps à peaufiner les RFC et plans. Utilisez le modèle Pipeline Séquentiel ou Boucle Agentique Infinie pour les tâches plus petites.
  2. Désalignement de la file d'attente de fusion — Assurez-vous que l'agent d'intégration a les bons droits d'accès et la connaissance des dépendances.
  3. Fatigue de contexte — Chaque phase réinitialise le contexte, donc les décisions antérieures peuvent être perdues. Utilisez les RFC et plans persistants pour atténuer.

Guide de sélection

Votre situationModèle de boucle à utiliser
"J'ai besoin d'automatiser mes étapes de dev quotidiennes"Pipeline séquentiel claude -p
"Je veux un REPL interactif avec persistance de session"NanoClaw REPL
"Je dois générer beaucoup de contenu créatif en parallèle"Boucle agentique infinie
"Je veux un pipeline CI/CD continu avec fusion automatique"Boucle PR continue de Claude
"Mon IA implémenteur écrit trop de tests inutiles"Ajouter le modèle de dé-gadgétisation
"Je construis une fonctionnalité massive avec plusieurs composants"Ralphinho / Orchestration DAG

Prochaines étapes

Pour l'avenir, cette compétence sera remplacée par continuous-agent-loop. Migrez vos workflows existants lorsque vous le pouvez.

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

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.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Skills associés