Communitygithub.com

skill-scout

Recherche les compétences existantes (locales, marketplace, GitHub, web) avant d'en créer une nouvelle. À utiliser lorsque l'utilisateur souhaite créer, construire, forker ou trouver une compétence pour un workflow.

Qu'est-ce que skill-scout ?

Skill Scout est une compétence d'agent AI conçue pour éviter la duplication de travail en recherchant systématiquement les compétences existantes avant d'en créer de nouvelles. Elle prend en charge les environnements locaux (comme Claude Code et Cursor), les marketplaces de plugins, GitHub et la recherche web. Le processus comporte six étapes : capturer l'intention de l'utilisateur, rechercher les sources locales, interroger les dépôts distants, évaluer la sécurité des compétences externes, classer les résultats par pertinence, et présenter des options claires (utiliser, forker ou créer). Skill Scout aide les développeurs à gagner du temps et à maintenir un écosystème de compétences sain en intégrant les meilleures pratiques de vérification de code et d'analyse comparative.

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

Demander à votre IA préférée

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

Documentation

Skill Scout

Utilisez cette compétence avant d'en créer une nouvelle. L'objectif est d'éviter de dupliquer le travail existant de la communauté ou du marché, tout en vérifiant tout élément externe avant de l'adopter.

Source : récupérée de la PR #1232 de la communauté par redminwang.

Quand l'utiliser

  • L'utilisateur dit "créer une compétence", "construire une compétence", "fabriquer une compétence" ou "nouvelle compétence".
  • L'utilisateur demande "existe-t-il une compétence pour X ?" ou "existe-t-il une compétence qui fait Y ?".
  • L'utilisateur décrit un workflow et vous êtes sur le point de suggérer la création d'une nouvelle compétence.
  • L'utilisateur souhaite forker ou étendre une compétence existante.

Si l'utilisateur demande explicitement de sauter la recherche ou de créer à partir de zéro, reconnaissez-le et continuez avec le workflow de création demandé.

Comment ça fonctionne

Étape 1 - Capturer l'intention

Extrayez :

  • La tâche que la compétence doit effectuer.
  • Les conditions de déclenchement pour l'utiliser.
  • Le domaine, les outils, les frameworks ou les sources de données impliqués.
  • De trois à cinq mots-clés de recherche ainsi que des synonymes utiles.

Étape 2 - Rechercher dans les sources locales

Recherchez d'abord les noms des compétences installées et du marché. Les sources locales sont préférées car elles font déjà partie de l'environnement de l'utilisateur.

find ~/.claude/skills -maxdepth 2 -name SKILL.md 2>/dev/null | grep -iE "mot-clé|synonyme"
find ~/.claude/plugins/marketplaces -path '*/skills/*/SKILL.md' 2>/dev/null | grep -iE "mot-clé|synonyme"

Recherchez ensuite dans les descriptions du frontmatter :

grep -RilE "mot-clé|synonyme" ~/.claude/skills ~/.claude/plugins/marketplaces 2>/dev/null

Étape 3 - Rechercher dans les sources distantes

Utilisez les outils de recherche GitHub et web disponibles. Privilégiez les requêtes concises :

gh search repos "claude code skill mot-clé" --limit 10 --sort stars
gh search code "name: mot-clé" --filename SKILL.md --limit 10

Pour la recherche web, utilisez au maximum trois requêtes ciblées, par exemple :

"claude code skill" mot-clé
"SKILL.md" mot-clé
"everything-claude-code" mot-clé

Étape 4 - Vérifier les correspondances externes

Avant de recommander une compétence externe pour adoption ou fork :

  • Lisez le frontmatter et les instructions du SKILL.md.
  • Recherchez des commandes shell inattendues, des écritures de fichiers, des appels réseau, la gestion d'identifiants ou des installations de paquets.
  • Vérifiez si le dépôt semble maintenu.
  • Privilégiez la copie dans une branche locale fraîche et l'examen du diff plutôt que la modification des originaux du marché.

Étape 5 - Classer les résultats

Classez les candidats par :

  1. Correspondance exacte du mot-clé dans le nom de la compétence.
  2. Correspondance du mot-clé ou synonyme dans la description.
  3. Source locale installée ou du marché.
  4. Source GitHub maintenue avec activité récente.
  5. Mention uniquement web.

Limitez la liste finale à 10 résultats.

Étape 6 - Présenter les options de décision

Donnez à l'utilisateur un court tableau :

OptionSignification
Utiliser existantInvoquer ou installer une compétence correspondante telle quelle.
Forker ou étendreCopier la compétence la plus proche et la modifier.
Créer à partir de zéroConstruire une nouvelle compétence après avoir confirmé qu'aucune correspondance proche n'existe.

Ne créez une nouvelle compétence qu'après que l'utilisateur a choisi cette voie ou après que la recherche n'a trouvé aucune correspondance proche.

Exemples

Tableau de résultats

| # | Compétence | Source | Pourquoi correspond | Écart |
| --- | --- | --- | --- | --- |
| 1 | article-writing | ECC local | Rédige des articles et des guides | Pas axé sur les notes de version |
| 2 | content-engine | ECC local | Workflow de contenu multi-format | Plus lourd que nécessaire |
| 3 | blog-writer | GitHub | Compétence d'écriture de blog avec commits récents | Nécessite une revue de sécurité |

Résumé destiné à l'utilisateur

J'ai trouvé deux correspondances locales proches et un candidat externe. La correspondance la plus proche est `article-writing` ; elle couvre la rédaction et la révision, mais elle n'inclut pas la liste de contrôle des notes de version que vous avez demandée. Je peux soit l'utiliser telle quelle, la forker en une variante de notes de version, soit créer une nouvelle compétence.

Anti-patrons

  • Ne passez pas directement à la création d'une nouvelle compétence alors qu'une recherche est raisonnable.
  • N'installez pas de compétences externes sans les avoir d'abord lues.
  • Ne présentez pas une longue liste non classée de correspondances faibles.
  • Ne traitez pas les mentions uniquement web comme des sources fiables.
  • Ne modifiez pas les originaux installés du marché sur place.

Lié

  • search-first - Workflow général de recherche avant construction.
  • skill-stocktake - Auditer les compétences installées pour leur santé, les doublons et les lacunes.
  • agent-sort - Catégoriser et organiser les agents et compétences existants.

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