Communitygithub.com

pipeline-open-source

Pipeline open-source : fork, nettoyer et empaqueter des projets privés pour une publication publique sécurisée. Enchaîne 3 agents (forker, sanitizer, packager). Déclencheurs :

Qu'est-ce que pipeline-open-source ?

Cette compétence automatise le processus de transformation d'un projet privé en un dépôt open-source sûr, via un pipeline en trois étapes : le forker copie le projet en nettoyant les secrets et les références internes ; le sanitizer vérifie l'absence de secrets, PII, références internes et fichiers dangereux ; le packager génère les fichiers nécessaires (README, CLAUDE.md, setup.sh, LICENSE, CONTRIBUTING.md, templates d'issues). Elle s'intègre aux agents de terminal comme Claude Code, Cursor ou Codex, et fournit des commandes (`/opensource fork`, `verify`, `package`, `list`, `status`) ainsi qu'un protocole détaillé pour la création d'un dépôt GitHub public, incluant des vérifications de sécurité critiques et un rejet des publications non approuvées par l'utilisateur.

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

Demander à votre IA préférée

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

Documentation

Compétence Pipeline Open-Source

Open-source n'importe quel projet en toute sécurité via un pipeline en 3 étapes : Fork (supprimer les secrets) → Sanitize (vérifier la propreté) → Package (CLAUDE.md + setup.sh + README).

Quand activer

  • L'utilisateur dit "rendre ce projet open-source" ou "le rendre public"
  • L'utilisateur souhaite préparer un dépôt privé pour une publication publique
  • L'utilisateur doit supprimer des secrets avant de pousser sur GitHub
  • L'utilisateur invoque /opensource fork, /opensource verify ou /opensource package

Commandes

CommandeAction
/opensource fork PROJETPipeline complet : fork + sanitize + package
/opensource verify PROJETExécuter le sanitizer sur un dépôt existant
/opensource package PROJETGénérer CLAUDE.md + setup.sh + README
/opensource listAfficher tous les projets en préparation
/opensource status PROJETAfficher les rapports d'un projet en préparation

Protocole

/opensource fork PROJET

Pipeline complet — le flux de travail principal.

Étape 1 : Rassembler les paramètres

Résoudre le chemin du projet. Si PROJET contient /, le traiter comme un chemin (absolu ou relatif). Sinon vérifier : le répertoire de travail courant, $HOME/PROJET, puis demander à l'utilisateur.

SOURCE_PATH="<chemin absolu résolu>"
STAGING_PATH="$HOME/opensource-staging/${NOM_PROJET}"

Demander à l'utilisateur :

  1. "Quel projet ?" (si non trouvé)
  2. "Licence ? (MIT / Apache-2.0 / GPL-3.0 / BSD-3-Clause)"
  3. "Organisation ou nom d'utilisateur GitHub ?" (par défaut : détecter via gh api user -q .login)
  4. "Nom du dépôt GitHub ?" (par défaut : nom du projet)
  5. "Description pour le README ?" (analyser le projet pour suggestion)

Étape 2 : Créer le répertoire de préparation

mkdir -p $HOME/opensource-staging/

Étape 3 : Exécuter l'agent Forker

Lancer l'agent opensource-forker :

Agent(
  description="Fork {PROJET} pour open-source",
  subagent_type="opensource-forker",
  prompt="""
Fork le projet pour une publication open-source.

Source : {SOURCE_PATH}
Cible : {STAGING_PATH}
Licence : {licence_choisie}

Suivre le protocole complet de fork :
1. Copier les fichiers (exclure .git, node_modules, __pycache__, .venv)
2. Supprimer tous les secrets et informations d'identification
3. Remplacer les références internes par des espaces réservés
4. Générer .env.example
5. Nettoyer l'historique git
6. Générer FORK_REPORT.md dans {STAGING_PATH}/FORK_REPORT.md
"""
)

Attendre la fin. Lire {STAGING_PATH}/FORK_REPORT.md.

Étape 4 : Exécuter l'agent Sanitizer

Lancer l'agent opensource-sanitizer :

Agent(
  description="Vérifier la sanitisation de {PROJET}",
  subagent_type="opensource-sanitizer",
  prompt="""
Vérifier la sanitisation du fork open-source.

Projet : {STAGING_PATH}
Source (pour référence) : {SOURCE_PATH}

Exécuter TOUTES les catégories de scan :
1. Scan des secrets (CRITIQUE)
2. Scan des PII (CRITIQUE)
3. Scan des références internes (CRITIQUE)
4. Vérification des fichiers dangereux (CRITIQUE)
5. Complétude de la configuration (AVERTISSEMENT)
6. Audit de l'historique git

Générer SANITIZATION_REPORT.md dans {STAGING_PATH}/ avec verdict PASS/FAIL.
"""
)

Attendre la fin. Lire {STAGING_PATH}/SANITIZATION_REPORT.md.

Si ÉCHEC : Présenter les résultats à l'utilisateur. Demander : "Corriger ces problèmes et relancer le scan, ou abandonner ?"

  • Si corriger : Appliquer les corrections, relancer le sanitizer (maximum 3 tentatives — après 3 ÉCHEC, présenter tous les résultats et demander à l'utilisateur de corriger manuellement)
  • Si abandonner : Nettoyer le répertoire de préparation

Si RÉUSSI ou RÉUSSI AVEC AVERTISSEMENTS : Passer à l'Étape 5.

Étape 5 : Exécuter l'agent Packager

Lancer l'agent opensource-packager :

Agent(
  description="Empaqueter {PROJET} pour open-source",
  subagent_type="opensource-packager",
  prompt="""
Générer l'empaquetage open-source pour le projet.

Projet : {STAGING_PATH}
Licence : {licence_choisie}
Nom du projet : {NOM_PROJET}
Description : {description}
Dépôt GitHub : {depot_github}

Générer :
1. CLAUDE.md (commandes, architecture, fichiers clés)
2. setup.sh (bootstrap en une commande, rendre exécutable)
3. README.md (ou améliorer l'existant)
4. LICENCE
5. CONTRIBUTING.md
6. .github/ISSUE_TEMPLATE/ (bug_report.md, feature_request.md)
"""
)

Étape 6 : Révision finale

Présenter à l'utilisateur :

Fork Open-Source Prêt : {NOM_PROJET}

Emplacement : {STAGING_PATH}
Licence : {licence}
Fichiers générés :
  - CLAUDE.md
  - setup.sh (exécutable)
  - README.md
  - LICENCE
  - CONTRIBUTING.md
  - .env.example ({N} variables)

Sanitisation : {verdict_sanitisation}

Prochaines étapes :
  1. Réviser : cd {STAGING_PATH}
  2. Créer le dépôt : gh repo create {org_github}/{depot_github} --public
  3. Pousser : git remote add origin ... && git push -u origin main

Procéder à la création GitHub ? (oui/non/réviser d'abord)

Étape 7 : Publication GitHub (sur approbation de l'utilisateur)

cd "{STAGING_PATH}"
gh repo create "{org_github}/{depot_github}" --public --source=. --push --description "{description}"

/opensource verify PROJET

Exécuter le sanitizer indépendamment. Résoudre le chemin : si PROJET contient /, le traiter comme un chemin. Sinon vérifier $HOME/opensource-staging/PROJET, puis $HOME/PROJET, puis le répertoire courant.

Agent(
  subagent_type="opensource-sanitizer",
  prompt="Vérifier la sanitisation de : {chemin_resolu}. Exécuter les 6 catégories de scan et générer SANITIZATION_REPORT.md."
)

/opensource package PROJET

Exécuter le packager indépendamment. Demander "Licence ?" et "Description ?", puis :

Agent(
  subagent_type="opensource-packager",
  prompt="Empaqueter : {chemin_resolu} ..."
)

/opensource list

ls -d $HOME/opensource-staging/*/

Afficher chaque projet avec l'avancement du pipeline (présence de FORK_REPORT.md, SANITIZATION_REPORT.md, CLAUDE.md).


/opensource status PROJET

cat $HOME/opensource-staging/${PROJET}/SANITIZATION_REPORT.md
cat $HOME/opensource-staging/${PROJET}/FORK_REPORT.md

Structure de préparation

$HOME/opensource-staging/
  mon-projet/
    FORK_REPORT.md           # De l'agent forker
    SANITIZATION_REPORT.md   # De l'agent sanitizer
    CLAUDE.md                # De l'agent packager
    setup.sh                 # De l'agent packager
    README.md                # De l'agent packager
    .env.example             # De l'agent forker
    ...                      # Fichiers du projet nettoyés

Anti-patrons

  • Ne jamais pousser sur GitHub sans approbation de l'utilisateur
  • Ne jamais sauter le sanitizer — c'est la porte de sécurité
  • Ne jamais continuer après un ÉCHEC du sanitizer sans corriger tous les problèmes critiques
  • Ne jamais laisser .env, *.pem ou credentials.json dans le répertoire de préparation

Bonnes pratiques

  • Toujours exécuter le pipeline complet (fork → sanitize → package) pour les nouvelles versions
  • Le répertoire de préparation persiste jusqu'à nettoyage explicite — l'utiliser pour réviser
  • Relancer le sanitizer après toute correction manuelle avant publication
  • Paramétrer les secrets plutôt que de les supprimer — préserver la fonctionnalité du projet

Compétences connexes

Voir security-review pour les motifs de détection de secrets utilisés par le sanitizer.

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