Communitygithub.com

Plankton Qualité du Code

Renforcement de la qualité du code à l'écriture avec Plankton — auto-formatage, linting et corrections pilotées par Claude sur chaque édition de fichier via des hooks. À utiliser lors de la mise en place de hooks de formatage, linting ou correction automatique lors des modifications de fichiers.

Qu'est-ce que Plankton Qualité du Code ?

Cette compétence intègre Plankton, un système de renforcement de la qualité du code à l'écriture pour Claude Code. Plankton exécute des formateurs et des linters sur chaque édition de fichier via des hooks PostToolUse, puis lance des sous-processus Claude pour corriger les violations non détectées par l'agent. Utile pour les développeurs souhaitant une vérification automatique et immédiate de la qualité du code (pas seulement à la validation des commits). Elle prend en charge plusieurs langages (Python, TypeScript, Shell, YAML, JSON, TOML, Markdown, Dockerfile) et utilise un routage par modèle (Haiku pour les corrections de style simples, Sonnet pour la logique et la complexité, Opus pour les types et le raisonnement avancé). Plankton protège également les configurations des linters contre les modifications non autorisées par l'agent, bloquant les tentatives de désactivation des règles plutôt que de corriger le code.

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

Demander à votre IA préférée

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

Documentation

Compétence Plankton Qualité du Code

Référence d'intégration pour Plankton (crédit : @alxfazio), un système de renforcement de la qualité du code à l'écriture pour Claude Code. Plankton exécute les formateurs et les linters sur chaque édition de fichier via des hooks PostToolUse, puis lance des sous-processus Claude pour corriger les violations non détectées par l'agent.

Quand l'utiliser

  • Vous souhaitez un formatage et un linting automatiques sur chaque édition de fichier (pas seulement au commit)
  • Vous avez besoin d'une défense contre les agents qui modifient les configurations des linters pour contourner les règles au lieu de corriger le code
  • Vous voulez un routage par modèle pour les corrections (Haiku pour le style simple, Sonnet pour la logique, Opus pour les types)
  • Vous travaillez avec plusieurs langages (Python, TypeScript, Shell, YAML, JSON, TOML, Markdown, Dockerfile)

Fonctionnement

Architecture en trois phases

Chaque fois que Claude Code édite ou écrit un fichier, le hook PostToolUse multi_linter.sh de Plankton s'exécute :

Phase 1 : Auto-formatage (Silencieux)
├─ Exécute les formateurs (ruff format, biome, shfmt, taplo, markdownlint)
├─ Corrige 40 à 50 % des problèmes silencieusement
└─ Aucune sortie vers l'agent principal

Phase 2 : Collecte des violations (JSON)
├─ Exécute les linters et collecte les violations non corrigeables
├─ Renvoie du JSON structuré : {line, column, code, message, linter}
└─ Toujours aucune sortie vers l'agent principal

Phase 3 : Délégation + Vérification
├─ Lance un sous-processus claude -p avec les violations JSON
├─ Route vers le niveau de modèle selon la complexité de la violation :
│   ├─ Haiku : formatage, imports, style (codes E/W/F) — délai de 120s
│   ├─ Sonnet : complexité, refactorisation (codes C901, PLR) — délai de 300s
│   └─ Opus : système de types, raisonnement avancé (attribut non résolu) — délai de 600s
├─ Réexécute les phases 1 et 2 pour vérifier les corrections
└─ Code de sortie 0 si tout est propre, code 2 si des violations persistent (signalé à l'agent principal)

Ce que voit l'agent principal

ScénarioCe que voit l'agentCode de sortie du hook
Aucune violationRien0
Tout corrigé par le sous-processusRien0
Violations restantes après le sous-processus[hook] N violation(s) restante(s)2
Avis (doublons, outils obsolètes)[hook:advisory] ...0

L'agent principal ne voit que les problèmes que le sous-processus n'a pas pu corriger. La plupart des problèmes de qualité sont résolus de manière transparente.

Protection des configurations (Défense contre les contournements de règles)

Les LLMs vont modifier .ruff.toml ou biome.json pour désactiver des règles plutôt que de corriger le code. Plankton bloque cela avec trois couches :

  1. Hook PreToolUse — protect_linter_configs.sh bloque les modifications de toutes les configurations de linters avant qu'elles n'aient lieu
  2. Hook Stop — stop_config_guardian.sh détecte les modifications de configuration via git diff à la fin de la session
  3. Liste des fichiers protégés — .ruff.toml, biome.json, .shellcheckrc, .yamllint, .hadolint.yaml, et d'autres

Application du gestionnaire de paquets

Un hook PreToolUse sur Bash bloque les gestionnaires de paquets hérités :

  • pip, pip3, poetry, pipenv → Bloqués (utilisez uv)
  • npm, yarn, pnpm → Bloqués (utilisez bun)
  • Exceptions autorisées : npm audit, npm view, npm publish

Configuration

Démarrage rapide

Remarque : Plankton nécessite une installation manuelle depuis son dépôt. Examinez le code avant d'installer.

# Installer les dépendances de base
brew install jaq ruff uv

# Installer les linters Python
uv sync --all-extras

# Démarrer Claude Code — les hooks s'activent automatiquement
claude

Pas de commande d'installation, pas de configuration de plugin. Les hooks dans .claude/settings.json sont pris en charge automatiquement lorsque vous exécutez Claude Code dans le répertoire Plankton.

Intégration par projet

Pour utiliser les hooks Plankton dans votre propre projet :

  1. Copiez le répertoire .claude/hooks/ dans votre projet
  2. Copiez la configuration des hooks .claude/settings.json
  3. Copiez les fichiers de configuration des linters (.ruff.toml, biome.json, etc.)
  4. Installez les linters pour vos langages

Dépendances par langage

LangageRequisOptionnel
Pythonruff, uvty (types), vulture (code mort), bandit (sécurité)
TypeScript/JSbiomeoxlint, semgrep, knip (exports morts)
Shellshellcheck, shfmt—
YAMLyamllint—
Markdownmarkdownlint-cli2—
Dockerfilehadolint (>= 2.12.0)—
TOMLtaplo—
JSONjaq—

Association avec ECC

Complémentaires, pas en conflit

PréoccupationECCPlankton
Renforcement de la qualité du codeHooks PostToolUse (Prettier, tsc)Hooks PostToolUse (20+ linters + corrections par sous-processus)
Analyse de sécuritéAgentShield, agent security-reviewerBandit (Python), Semgrep (TypeScript)
Protection des configurations—Blocage PreToolUse + détection par hook Stop
Gestionnaire de paquetsDétection + configurationApplication (bloque les PM hérités)
Intégration CI—Hooks de pré-commit pour git
Routage de modèleManuel (/model opus)Automatique (complexité de violation → niveau)

Combinaison recommandée

  1. Installez ECC comme votre plugin (agents, compétences, commandes, règles)
  2. Ajoutez les hooks Plankton pour le renforcement de la qualité à l'écriture
  3. Utilisez AgentShield pour les audits de sécurité
  4. Utilisez la boucle de vérification d'ECC comme passerelle finale avant les PRs

Éviter les conflits de hooks

Si vous exécutez à la fois les hooks ECC et Plankton :

  • Le hook Prettier d'ECC et le formateur biome de Plankton peuvent entrer en conflit sur les fichiers JS/TS
  • Solution : désactivez le hook PreToolUse Prettier d'ECC lorsque vous utilisez Plankton (le biome de Plankton est plus complet)
  • Les deux peuvent coexister sur différents types de fichiers (ECC gère ce que Plankton ne couvre pas)

Référence de configuration

Le fichier .claude/hooks/config.json de Plankton contrôle tout le comportement :

{
  "languages": {
    "python": true,
    "shell": true,
    "yaml": true,
    "json": true,
    "toml": true,
    "dockerfile": true,
    "markdown": true,
    "typescript": {
      "enabled": true,
      "js_runtime": "auto",
      "biome_nursery": "warn",
      "semgrep": true
    }
  },
  "phases": {
    "auto_format": true,
    "subprocess_delegation": true
  },
  "subprocess": {
    "tiers": {
      "haiku":  { "timeout": 120, "max_turns": 10 },
      "sonnet": { "timeout": 300, "max_turns": 10 },
      "opus":   { "timeout": 600, "max_turns": 15 }
    },
    "volume_threshold": 5
  }
}

Réglages clés :

  • Désactivez les langages que vous n'utilisez pas pour accélérer les hooks
  • volume_threshold — les violations > ce nombre sont automatiquement escaladées vers un niveau de modèle supérieur
  • subprocess_delegation: false — ignore la phase 3 (signale simplement les violations)

Variables d'environnement

VariableUtilité
HOOK_SKIP_SUBPROCESS=1Ignorer la phase 3, signaler les violations directement
HOOK_SUBPROCESS_TIMEOUT=NRemplacer le délai du niveau
HOOK_DEBUG_MODEL=1Journaliser les décisions de sélection du modèle
HOOK_SKIP_PM=1Contourner l'application du gestionnaire de paquets

Références

  • Plankton (crédit : @alxfazio)
  • Plankton REFERENCE.md — Documentation complète de l'architecture (crédit : @alxfazio)
  • Plankton SETUP.md — Guide d'installation détaillé (crédit : @alxfazio)

Ajouts ECC v1.8

Profil de hook copiable

Définir un comportement de qualité strict :

export ECC_HOOK_PROFILE=strict
export ECC_QUALITY_GATE_FIX=true
export ECC_QUALITY_GATE_STRICT=true

Tableau des portes de langage

  • TypeScript/JavaScript : Biome préféré, Prettier en repli
  • Python : Ruff format/check
  • Go : gofmt

Garde anti-sabotage de configuration

Pendant le renforcement de la qualité, signalez les modifications des fichiers de configuration dans la même itération :

  • biome.json, .eslintrc*, prettier.config*, tsconfig.json, pyproject.toml

Si la configuration est modifiée pour supprimer des violations, exigez une révision explicite avant la fusion.

Modèle d'intégration CI

Utilisez les mêmes commandes dans l'CI que dans les hooks locaux :

  1. exécuter les vérifications de formateurs
  2. exécuter les vérifications de lint/type
  3. échouer rapidement en mode strict
  4. publier un résumé de correction

Métriques de santé

Suivez :

  • les éditions signalées par les portes
  • le temps moyen de correction
  • les violations répétées par catégorie
  • les blocages de fusion dus aux échecs de la porte

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