Communitygithub.com

Systèmes à latence critique

À utiliser pour les systèmes sensibles à la latence tels que les tableaux de bord en temps réel, les données de marché, les agents de streaming, les passerelles d'exécution, les files d'attente, les caches ou les infrastructures de type HFT où la fraîcheur et la latence p95 sont importantes.

Qu'est-ce que Systèmes à latence critique ?

Cette compétence est conçue pour les développeurs travaillant sur des systèmes où la latence et la fraîcheur des données sont critiques, comme les applications de trading haute fréquence (HFT), les tableaux de bord en temps réel, les données de marché, les agents de streaming, les files d'attente et les caches. Elle fournit un cadre d'ingénierie structuré pour mesurer et optimiser les performances, en insistant sur la distinction des métriques (p50, p95, p99, débit, fraîcheur), la cartographie des chemins chauds (hot paths) de bout en bout, et une hiérarchie d'optimisation qui priorise la suppression des allers-retours inutiles, la mise en cache avec métadonnées de fraîcheur, le regroupement des appels, et le placement du calcul au plus proche des données ou de l'utilisateur. La compétence supporte les environnements de production avec des vérifications via des lectures en direct (readbacks), l'analyse des logs, et l'état des files d'attente et des caches. Elle met en garde contre les optimisations qui contourneraient les validations nécessaires, masqueraient des données obsolètes, ou prétendraient des performances sans mesure réelle, et elle ne donne aucune autorisation pour le trading en direct ou les conseils financiers. Utilisez cette compétence pour toute optimisation de performances où la latence p95 ou la fraîcheur des données est une exigence métier, mais avec des garde-fous stricts pour éviter les déploiements destructeurs ou les impacts clients non approuvés.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/latency-critical-systems

Demander à votre IA préférée

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

Documentation

Que fait Systèmes à latence critique ?

Utilisez cette compétence lorsque l'utilisateur se soucie du comportement en temps réel, des chemins chauds, de la fraîcheur du streaming ou de la vitesse d'exécution. Cela inclut les infrastructures de type HFT, mais la compétence est axée sur l'ingénierie. Elle n'autorise pas le trading en direct ni les conseils financiers.

Scinder les métriques

Ne réduisez pas tout à « rapide ». Suivez :

  • latence p50, p95 et p99 ;
  • débit ;
  • âge de fraîcheur ;
  • profondeur de file d'attente ;
  • taux de succès du cache ;
  • temps de réponse du fournisseur/API ;
  • temps de rendu du navigateur ;
  • exactitude sous charge ;
  • comportement des échecs et des tentatives.

Cartographier le chemin chaud

Écrivez le chemin de l'utilisateur/événement à l'état visible final :

evenement source -> API fournisseur -> worker d'ingestion -> file d'attente -> cache -> route périphérique
-> flux client -> rendu navigateur -> état visible par l'utilisateur

Mesurez ensuite chaque segment séparément.

Ordre d'optimisation

  1. Supprimez les allers-retours inutiles.
  2. Mettez en cache les lectures stables avec des métadonnées de fraîcheur.
  3. Regroupez les petits appels et écritures.
  4. Déplacez le calcul plus près des données ou de l'utilisateur.
  5. Séparez les chemins chauds et froids.
  6. Appliquez une contre-pression avant que les files d'attente ne croissent sans limite.
  7. Utilisez le streaming uniquement lorsqu'il améliore la fraîcheur ou l'expérience utilisateur.
  8. Ajoutez des canaris pour les données obsolètes, les fournisseurs dégradés et le mauvais état du cache.

Vérification

Utilisez des lectures en direct lorsqu'une surface déployée existe :

  • timing HTTP et en-têtes de réponse ;
  • horodatage de fraîcheur du fournisseur ;
  • état de la file d'attente ou du job ;
  • état périphérique/cache ;
  • vérification navigateur pour la fraîcheur réelle de l'interface utilisateur ;
  • journaux autour des tentatives et du mode dégradé.

Pour les chemins liés aux données de marché ou à l'exécution, vérifiez également l'âge du carnet d'ordres, les hypothèses de VWAP, le statut du fournisseur et le comportement du coupe-circuit avant de déclarer le chemin prêt.

Garde-fous

  • N'optimisez pas la latence en supprimant les validations requises.
  • Ne cachez pas des données obsolètes derrière des succès de cache rapides.
  • Ne revendiquez pas un comportement en millisecondes à partir d'étiquettes client sans mesure.
  • N'exécutez pas d'ordres en direct, de migrations destructrices ou de déploiements impactant les clients sans une porte d'approbation explicite.
  • Gardez les secrets et les charges utiles privées hors des journaux et des artefacts de benchmark.

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