Communitygithub.com

optimiseur-de-prompt

Analyse un brouillon de prompt, le critique, l'associe aux composants de l'écosystème ECC et produit un prompt optimisé prêt à être copié-collé.

Qu'est-ce que optimiseur-de-prompt ?

L'optimiseur de prompt est un outil spécialisé conçu pour améliorer la qualité et l'efficacité des prompts destinés aux agents IA, en particulier dans le cadre de l'écosystème ECC (Enhanced Command Chain). Il fonctionne en six phases : détection du projet (technologies, conventions), identification de l'intention (nouvelle fonctionnalité, correction de bug, etc.), évaluation de la portée (simple, moyenne, épique), correspondance avec les composants ECC (commandes, compétences, agents), détection des informations manquantes (contexte, critères d'acceptation), et recommandation du modèle et du flux de travail optimal. Il ne réalise jamais la tâche demandée ; il fournit uniquement une analyse détaillée et un prompt optimisé, prêt à être copié-collé. Cet outil est particulièrement utile pour les développeurs utilisant Claude Code, Cursor ou Codex, leur permettant de tirer le meilleur parti de l'écosystème ECC en structurant leurs requêtes de manière précise et complète. Il prend en charge la détection automatique des projets via la lecture de fichiers comme `package.json`, `go.mod`, `pyproject.toml`, et bien d'autres, et adapte ses recommandations en conséquence. Il inclut également des heuristiques pour diviser les tâches complexes en plusieurs prompts séquentiels, garantissant ainsi une exécution fluide et sans perte de contexte.

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

Demander à votre IA préférée

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

Documentation

Optimiseur de Prompt

Analysez un brouillon de prompt, critiquez-le, associez-le aux composants de l'écosystème ECC et produisez un prompt optimisé que l'utilisateur peut copier et exécuter.

Quand l'utiliser

  • L'utilisateur dit "optimise ce prompt", "améliore mon prompt", "réécris ce prompt"
  • L'utilisateur dit "aide-moi à écrire un meilleur prompt pour..."
  • L'utilisateur dit "quelle est la meilleure façon de demander à Claude Code de..."
  • L'utilisateur dit "优化prompt", "改进prompt", "怎么写prompt", "帮我优化这个指令"
  • L'utilisateur colle un brouillon de prompt et demande des retours ou une amélioration
  • L'utilisateur dit "je ne sais pas comment formuler le prompt pour ça"
  • L'utilisateur dit "comment utiliser ECC pour..."
  • L'utilisateur invoque explicitement /prompt-optimize

Ne pas utiliser quand

  • L'utilisateur souhaite que la tâche soit effectuée directement (exécutez-la simplement)
  • L'utilisateur dit "优化代码", "优化性能", "optimise ce code", "optimise les performances" — ce sont des tâches de refactorisation, pas d'optimisation de prompt
  • L'utilisateur pose des questions sur la configuration d'ECC (utilisez configure-ecc à la place)
  • L'utilisateur veut un inventaire des compétences (utilisez skill-stocktake à la place)
  • L'utilisateur dit "fais-le" ou "直接做"

Comment ça fonctionne

Conseil uniquement — n'exécutez pas la tâche de l'utilisateur.

N'écrivez PAS de code, ne créez PAS de fichiers, n'exécutez PAS de commandes et ne prenez AUCUNE action de mise en œuvre. Votre SEULE sortie est une analyse plus un prompt optimisé.

Si l'utilisateur dit "fais-le", "直接做" ou "n'optimise pas, exécute simplement", ne passez pas en mode implémentation dans cette compétence. Dites à l'utilisateur que cette compétence ne produit que des prompts optimisés et demandez-lui de faire une demande de tâche normale s'il souhaite une exécution.

Exécutez ce pipeline en 6 phases séquentiellement. Présentez les résultats en utilisant le format de sortie ci-dessous.

Pipeline d'analyse

Phase 0 : Détection du projet

Avant d'analyser le prompt, détectez le contexte du projet actuel :

  1. Vérifiez si un fichier CLAUDE.md existe dans le répertoire de travail — lisez-le pour connaître les conventions du projet
  2. Détectez la pile technique à partir des fichiers du projet :
    • package.json → Node.js / TypeScript / React / Next.js
    • go.mod → Go
    • pyproject.toml / requirements.txt → Python
    • Cargo.toml → Rust
    • build.gradle / pom.xml → Java / Kotlin (vérifiez ensuite la présence de quarkus dans le fichier de build → Quarkus, ou spring-boot → Spring Boot)
    • Package.swift → Swift
    • Gemfile → Ruby
    • composer.json → PHP
    • *.csproj / *.sln → .NET
    • Makefile / CMakeLists.txt → C / C++
    • cpanfile / Makefile.PL → Perl
  3. Notez la pile technique détectée pour une utilisation dans les phases 3 et 4

Si aucun fichier de projet n'est trouvé (par exemple, le prompt est abstrait ou pour un nouveau projet), sautez la détection et signalez "pile technique inconnue" dans la phase 4.

Phase 1 : Détection de l'intention

Classez la tâche de l'utilisateur dans une ou plusieurs catégories :

CatégorieMots-clésExemple
Nouvelle fonctionnalitéconstruire, créer, ajouter, implémenter, 创建, 实现, 添加"Construire une page de connexion"
Correction de bugcorriger, cassé, ne fonctionne pas, erreur, 修复, 报错"Corriger le flux d'authentification"
Refactorisationrefactoriser, nettoyer, restructurer, 重构, 整理"Refactoriser la couche API"
Recherchecomment, qu'est-ce que, explorer, étudier, 怎么, 如何"Comment ajouter SSO"
Testtester, couverture, vérifier, 测试, 覆盖率"Ajouter des tests pour le panier"
Révisionréviser, auditer, vérifier, 审查, 检查"Réviser ma PR"
Documentationdocumenter, mettre à jour la doc, 文档"Mettre à jour la documentation API"
Infrastructuredéployer, CI, docker, base de données, 部署, 数据库"Configurer le pipeline CI/CD"
Conceptionconcevoir, architecture, planifier, 设计, 架构"Concevoir le modèle de données"

Phase 2 : Évaluation de la portée

Si la phase 0 a détecté un projet, utilisez la taille de la base de code comme signal. Sinon, estimez à partir de la seule description du prompt et marquez l'estimation comme incertaine.

PortéeHeuristiqueOrchestration
TRIVIALEFichier unique, < 50 lignesExécution directe
FAIBLEComposant ou module uniqueCommande ou compétence unique
MOYENNEPlusieurs composants, même domaineChaîne de commandes + /verify
ÉLEVÉETransversal, 5+ fichiers/plan d'abord, puis exécution par phases
ÉPIQUEMulti-sessions, multi-PR, changement architecturalUtiliser la compétence blueprint pour un plan multi-session

Phase 3 : Correspondance des composants ECC

Faites correspondre l'intention + la portée + la pile technique (de la phase 0) aux composants ECC spécifiques.

Par type d'intention

IntentionCommandesCompétencesAgents
Nouvelle fonctionnalité/plan, /tdd, /code-review, /verifytdd-workflow, verification-loopplanner, tdd-guide, code-reviewer
Correction de bug/tdd, /build-fix, /verifytdd-workflowtdd-guide, build-error-resolver
Refactorisation/refactor-clean, /code-review, /verifyverification-looprefactor-cleaner, code-reviewer
Recherche/plansearch-first, iterative-retrieval—
Test/tdd, /e2e, /test-coveragetdd-workflow, e2e-testingtdd-guide, e2e-runner
Révision/code-reviewsecurity-reviewcode-reviewer, security-reviewer
Documentation/update-docs, /update-codemaps—doc-updater
Infrastructure/plan, /verifydocker-patterns, deployment-patterns, database-migrationsarchitect
Conception (MOYENNE-ÉLEVÉE)/plan—planner, architect
Conception (ÉPIQUE)—blueprint (invoquée comme compétence)planner, architect

Par pile technique

Pile techniqueCompétences à ajouterAgent
Python / Djangodjango-patterns, django-tdd, django-security, django-verification, python-patterns, python-testingpython-reviewer
Gogolang-patterns, golang-testinggo-reviewer, go-build-resolver
Spring Boot / Javaspringboot-patterns, springboot-tdd, springboot-security, springboot-verification, java-coding-standards, jpa-patternsjava-reviewer
Quarkus / Javaquarkus-patterns, quarkus-tdd, quarkus-security, quarkus-verification, java-coding-standards, jpa-patternsjava-reviewer
Kotlin / Androidkotlin-coroutines-flows, compose-multiplatform-patterns, android-clean-architecturekotlin-reviewer
TypeScript / Reactfrontend-patterns, backend-patterns, coding-standardscode-reviewer
Swift / iOSswiftui-patterns, swift-concurrency-6-2, swift-actor-persistence, swift-protocol-di-testingcode-reviewer
PostgreSQLpostgres-patterns, database-migrationsdatabase-reviewer
Perlperl-patterns, perl-testing, perl-securitycode-reviewer
C++cpp-coding-standards, cpp-testingcode-reviewer
Autre / Non listécoding-standards (universel)code-reviewer

Phase 4 : Détection du contexte manquant

Analysez le prompt à la recherche d'informations critiques manquantes. Vérifiez chaque élément et indiquez si la phase 0 l'a détecté automatiquement ou si l'utilisateur doit le fournir :

  • Pile technique — Détectée en phase 0, ou l'utilisateur doit-il la spécifier ?
  • Portée cible — Fichiers, répertoires ou modules mentionnés ?
  • Critères d'acceptation — Comment savoir si la tâche est terminée ?
  • Gestion des erreurs — Cas limites et modes d'échec traités ?
  • Exigences de sécurité — Authentification, validation des entrées, secrets ?
  • Attentes de test — Tests unitaires, d'intégration, E2E ?
  • Contraintes de performance — Charge, latence, limites de ressources ?
  • Exigences UI/UX — Spécifications de design, responsive, accessibilité ? (si frontend)
  • Modifications de base de données — Schéma, migrations, index ? (si couche de données)
  • Modèles existants — Fichiers de référence ou conventions à suivre ?
  • Limites de la portée — Ce qu'il NE faut PAS faire ?

Si 3+ éléments critiques sont manquants, posez à l'utilisateur jusqu'à 3 questions de clarification avant de générer le prompt optimisé. Incorporez ensuite les réponses dans le prompt optimisé.

Phase 5 : Recommandation du flux de travail et du modèle

Déterminez où ce prompt se situe dans le cycle de vie du développement :

Recherche → Planifier → Implémenter (TDD) → Réviser → Vérifier → Commiter

Pour les tâches de niveau MOYEN+, commencez toujours par /plan. Pour les tâches ÉPIQUES, utilisez la compétence blueprint.

Recommandation de modèle (inclure dans la sortie) :

PortéeModèle recommandéJustification
TRIVIALE-FAIBLESonnet 5Rapide, économique pour les tâches simples
MOYENNESonnet 5Meilleur modèle de codage pour le travail standard
ÉLEVÉESonnet 5 (principal) + Opus 5 (planification)Opus pour l'architecture, Sonnet pour l'implémentation
ÉPIQUEOpus 5 (planification) + Sonnet 5 (exécution)Raisonnement approfondi pour la planification multi-session

Division en plusieurs prompts (pour portée ÉLEVÉE/ÉPIQUE) :

Pour les tâches qui dépassent une seule session, divisez en prompts séquentiels :

  • Prompt 1 : Recherche + Planification (utilisez la compétence search-first, puis /plan)
  • Prompt 2 à N : Implémentez une phase par prompt (chacune se termine par /verify)
  • Prompt final : Test d'intégration + /code-review sur toutes les phases
  • Utilisez /save-session et /resume-session pour préserver le contexte entre les sessions

Format de sortie

Présentez votre analyse dans cette structure exacte. Répondez dans la même langue que l'entrée de l'utilisateur.

Section 1 : Diagnostic du prompt

Points forts : Listez ce que le prompt original fait bien.

Problèmes :

ProblèmeImpactCorrectif suggéré
(problème)(conséquence)(comment corriger)

Points à clarifier : Liste numérotée des questions auxquelles l'utilisateur doit répondre. Si la phase 0 a détecté automatiquement la réponse, indiquez-la au lieu de la demander.

Section 2 : Composants ECC recommandés

TypeComposantObjectif
Commande/planPlanifier l'architecture avant le codage
Compétencetdd-workflowGuide de méthodologie TDD
Agentcode-reviewerRévision post-implémentation
ModèleSonnet 5Recommandé pour cette portée

Section 3 : Prompt optimisé — Version complète

Présentez le prompt optimisé complet à l'intérieur d'un bloc de code délimité. Le prompt doit être autonome et prêt à être copié-collé. Incluez :

  • Une description claire de la tâche avec le contexte
  • La pile technique (détectée ou spécifiée)
  • Les invocations de /command aux bons moments du flux de travail
  • Les critères d'acceptation
  • Les étapes de vérification
  • Les limites de la portée (ce qu'il NE faut PAS faire)

Pour les éléments qui font référence à blueprint, écrivez : "Utilisez la compétence blueprint pour..." (pas /blueprint, car blueprint est une compétence, pas une commande).

Section 4 : Prompt optimisé — Version rapide

Une version compacte pour les utilisateurs expérimentés d'ECC. Varie selon le type d'intention :

IntentionModèle rapide
Nouvelle fonctionnalité/plan [fonctionnalité]. /tdd pour implémenter. /code-review. /verify.
Correction de bug/tdd — écrire un test échouant pour [bug]. Corriger pour passer au vert. /verify.
Refactorisation/refactor-clean [portée]. /code-review. /verify.
RechercheUtilisez la compétence search-first pour [sujet]. /plan basé sur les résultats.
Test/tdd [module]. /e2e pour les flux critiques. /test-coverage.
Révision/code-review. Utilisez ensuite l'agent security-reviewer.
Documentation/update-docs. /update-codemaps.
ÉPIQUEUtilisez la compétence blueprint pour "[objectif]". Exécutez les phases avec les vérifications /verify.

Section 5 : Justification des améliorations

AméliorationRaison
(ce qui a été ajouté)(pourquoi c'est important)

Pied de page

Ce n'est pas ce dont vous avez besoin ? Dites-moi ce qu'il faut ajuster, ou faites une demande de tâche normale si vous voulez une exécution au lieu d'une optimisation de prompt.


Exemples

Exemples de déclencheurs

  • "Optimise ce prompt pour ECC"
  • "Réécris ce prompt pour que Claude Code utilise les bonnes commandes"
  • "帮我优化这个指令"
  • "Comment formuler le prompt ECC pour cette tâche ?"

Exemple 1 : Prompt chinois vague (Projet détecté)

Entrée utilisateur :

帮我写一个用户登录页面

Phase 0 détecte : package.json avec Next.js 15, TypeScript, Tailwind CSS

Prompt optimisé (complet) :

Utiliser la pile technique existante du projet (Next.js 15 + TypeScript + Tailwind CSS) pour implémenter une page de connexion utilisateur.

Exigences techniques :
- Suivre les conventions de structure de composants et de routage existantes du projet
- Utiliser le schéma de validation existant du projet pour la validation de formulaire (vérifier si Zod/Yup/autre est déjà utilisé)
- Méthode d'authentification : utiliser le schéma d'authentification existant du projet (sinon, JWT par défaut)
- Inclure : formulaire de connexion email/mot de passe, validation de formulaire, messages d'erreur, état de chargement, mise en page responsive

Flux de travail :
1. /plan pour planifier la structure des composants et le flux d'authentification, en se référant aux modèles de pages existantes
2. /tdd test d'abord : écrire des tests unitaires pour le formulaire de connexion et des tests d'intégration pour le flux d'authentification
3. Implémenter la page de connexion et la logique d'authentification
4. /code-review pour réviser l'implémentation
5. /verify pour vérifier que tous les tests passent et que la page s'affiche correctement

Exigences de sécurité :
- Le mot de passe n'est pas transmis en clair
- Protection contre les attaques par force brute (rate limiting)
- Protection XSS
- Jeton CSRF

Critères d'acceptation :
- Tous les tests passent, couverture 80%+
- La page s'affiche correctement sur mobile et desktop
- Connexion réussie redirige vers le tableau de bord, échec affiche un message d'erreur

Ne pas faire :
- Ne pas implémenter de page d'inscription
- Ne pas implémenter de fonctionnalité de mot de passe oublié
- Ne pas modifier la structure de routage existante

Exemple 2 : Prompt anglais modéré

Entrée utilisateur :

Ajouter un point de terminaison d'API REST pour les mises à jour de profil utilisateur avec validation

Phase 0 détecte : go.mod avec Go 1.22, routeur Chi

Prompt optimisé (complet) :

Ajouter un point de terminaison d'API REST pour les mises à jour de profil utilisateur (PATCH /api/users/:id).

Pile technique : Go 1.22 + routeur Chi (détecté à partir du projet)

Exigences :
- PATCH /api/users/:id — mise à jour partielle du profil utilisateur
- Validation des entrées pour les champs : nom, email, avatar_url, bio
- Authentification : nécessite un jeton valide, les utilisateurs ne peuvent mettre à jour que leur propre profil
- Retourner 200 avec l'utilisateur mis à jour en cas de succès
- Retourner 400 avec les erreurs de validation en cas d'entrée invalide
- Retourner 401/403 pour les échecs d'authentification
- Suivre les modèles d'API existants dans la base de code

Flux de travail :
1. /plan pour la structure du point de terminaison, la chaîne de middleware et la logique de validation
2. /tdd — écrire des tests pilotés par tableau pour le succès, l'échec de validation, l'échec d'authentification, non trouvé
3. Implémenter en suivant les modèles de gestionnaires existants
4. /go-review
5. /verify — exécuter la suite de tests complète, confirmer l'absence de régressions

Ne pas faire :
- Modifier les points de terminaison existants
- Modifier le schéma de la base de données (utiliser la table utilisateur existante)
- Ajouter de nouvelles dépendances sans vérifier d'abord celles qui existent (utiliser la compétence search-first)

Exemple 3 : Projet ÉPIQUE

Entrée utilisateur :

Migrer notre monolithe vers des microservices

Prompt optimisé (complet) :

Utilisez la compétence blueprint pour planifier : "Migrer l'architecture monolithique vers des microservices"

Avant d'exécuter, répondez à ces questions dans le blueprint :
1. Quelles sont les limites de domaine dans le monolithe actuel ?
2. Quel service doit être extrait en premier (couplage le plus faible) ?
3. Modèle de communication : API REST, gRPC ou piloté par événements (Kafka/RabbitMQ) ?
4. Stratégie de base de données : base de données partagée au départ ou une base par service dès le début ?
5. Cible de déploiement : Kubernetes, Docker Compose ou serverless ?

Le blueprint devrait produire des phases comme :
- Phase 1 : Identifier les limites des services et créer une carte des domaines
- Phase 2 : Mettre en place l'infrastructure (API gateway, service mesh, CI/CD par service)
- Phase 3 : Extraire le premier service (motif du figuier étrangleur)
- Phase 4 : Vérifier avec des tests d'intégration, puis extraire le service suivant
- Phase N : Mettre hors service le monolithe

Chaque phase = 1 PR, avec des vérifications /verify entre les phases.
Utilisez /save-session entre les phases

…

[tronqué pour la traduction]

Exemple 4 : Pas de détection de projet

Entrée utilisateur :

Construire une API RESTful pour un blog en Python FastAPI

Phase 0 : Aucun fichier de projet trouvé. Pile technique spécifiée par l'utilisateur : Python FastAPI (utiliser cette pile dans les phases 3 et 4).

Prompt optimisé (complet) :

Construire une API RESTful pour un blog en utilisant la pile technique spécifiée : Python FastAPI. Aucun projet existant détecté, donc supposez une configuration standard FastAPI.

Exigences fonctionnelles :
- Opérations CRUD pour les articles de blog (créer, lire, mettre à jour, supprimer)
- Authentification (token JWT)
- Pagination et filtrage pour la liste des articles
- Validation des entrées avec Pydantic
- Documentation automatique via Swagger/OpenAPI

Exigences non fonctionnelles :
- Gestion des erreurs avec codes HTTP appropriés
- Tests unitaires avec pytest (au moins 80 % de couverture)
- Journalisation des requêtes

Flux de travail :
1. /plan : esquisser les modèles, les routes et l'architecture de la base de données
2. /tdd : écrire des tests pour chaque point de terminaison
3. Implémenter l'API
4. /code-review
5. /verify : exécuter les tests et confirmer le bon fonctionnement de l'API

Critères d'acceptation :
- Tous les points de terminaison répondent correctement
- Tests passant avec >= 80 % de couverture
- Authentification fonctionnelle
- Documentation Swagger accessible via /docs

Ne pas faire :
- Ne pas ajouter de fonctionnalités frontend
- Ne pas implémenter de système de commentaires ou de gestion des tags (sauf si explicitement demandé)

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