Communitygithub.com

Optimiseur d'exécution parallèle

Utilisez cette compétence lorsque l'utilisateur souhaite qu'une tâche soit réalisée beaucoup plus rapidement grâce au travail parallèle, aux agents simultanés, aux appels d'outils par lot, aux espaces de travail isolés ou à de nombreuses voies de vérification indépendantes, sans perdre en justesse.

Qu'est-ce que Optimiseur d'exécution parallèle ?

L'Optimiseur d'Exécution Parallèle est une compétence de conception automatisée qui transforme les tâches urgentes en un graphe de dépendances avant toute action. Elle permet de structurer le travail en voies indépendantes, puis d'exécuter en parallèle les tâches dont les surfaces d'écriture ne se chevauchent pas. Son utilité principale réside dans l'accélération des vérifications de code, des inspections de dépôt, des vérifications d'API, des tests, des déploiements et des passes de mise en œuvre multi-espaces de travail. La compétence s'appuie sur une matrice de voies claire (parallèle, séquentiel, ou conditionnel), un suivi de vérification sous forme de tableau, et des règles d'exécution strictes : mise par lot des lectures, utilisation d'espaces de travail isolés, sondage délibéré des processus longs, et pause des voies dépendantes en cas de blocage. Les principales défaillances à éviter sont les conflits d'édition, le fait de prendre la vitesse pour de la qualité, et le camouflage des vérifications ignorées. L'Optimiseur d'Exécution Parallèle est conçu pour les agents d'IA (tels que Claude Code ou Cursor) ainsi que pour les pipelines d'automatisation DevOps. Le format de sortie inclut un résumé structuré des voies exécutées, bloquées, et vérifiées.

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

Demander à votre IA préférée

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

Documentation

Que fait Optimiseur d'exécution parallèle ?

Utilisez cette compétence lorsque la vitesse vient de la réalisation simultanée de travaux indépendants : inspection de dépôt, lectures de fichiers, vérifications d'API, vérifications de navigateur, voies de construction/test, vérifications de déploiement, ou passes d'implémentation multi-espaces de travail.

Modèle central

Transformez l'urgence en un graphe de dépendances avant d'agir.

  1. Définissez l'objectif et le signal de fin.
  2. Divisez le travail en voies.
  3. Marquez chaque voie comme parallèle, séquentielle ou conditionnelle.
  4. Exécutez ensemble les lectures et vérifications indépendantes.
  5. Gardez les écritures isolées par fichier, espace de travail, branche, service ou jeu de données.
  6. Fusionnez seulement après que des preuves montrent que les voies sont compatibles.
  7. Terminez avec un tableau de vérification, pas une affirmation vague de rapidité.

Matrice de voies

Avant une grande poussée, écrivez une matrice compacte :

Voie | Peut-elle s'exécuter en parallèle ? | Surface d'écriture | Risque | Vérification
Analyse du dépôt | oui | aucun | faible | sorties rg/git status
Correctif backend | peut-être | src/api | moyen | tests unitaires
Correctif frontend | peut-être | app/components | moyen | capture d'écran navigateur
Vérification de déploiement | après construction | service distant | élevé | URL active + journaux

N'exécutez des voies en parallèle que lorsque leurs surfaces d'écriture n'entrent pas en collision.

Règles d'exécution

  • Regroupez par lots les lectures de fichiers, les recherches, les vérifications d'état et les requêtes de métadonnées.
  • Utilisez des espaces de travail isolés pour les grandes voies d'implémentation non liées.
  • Lancez les tests de longue durée, les constructions, les sauvegardes et les déploiements dans des sessions séparées, puis sondez-les délibérément.
  • Si une voie découvre un obstacle qui modifie le plan, mettez en pause les voies dépendantes et mettez à jour la matrice.
  • Ne laissez jamais un processus d'arrière-plan survivre au tour sauf si l'utilisateur a explicitement demandé un service continu.
  • Ne parallélisez pas les commandes destructrices, les migrations, les écritures sur la même table ou les déploiements affectant des clients en service sans un contrôle explicite.

Format de sortie

Utilisez ceci pour rapporter :

Résultat de l'exécution parallèle :
- Voies exécutées : 5
- Voies terminées : 4
- Voie bloquée : vérification de déploiement, en attente de propagation DNS
- Chemin rapide trouvé : analyse groupée du dépôt + tests ciblés
- Vérification : lint passé, unitaire passé, test en direct passé

Modes de défaillance

  • Plus de concurrence créant des modifications conflictuelles.
  • Évaluer l'outil au lieu de la tâche.
  • Considérer "rapide" comme terminé avant que la correction ne soit prouvée.
  • Oublier de sonder les sessions en cours.
  • Cacher les vérifications ignorées derrière un résumé de succès.

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