Communitygithub.com

skillify

Transformez un workflow reproductible de la session en cours en un brouillon de compétence OMC réutilisable.

Qu'est-ce que skillify ?

Skillify est un skill conçu pour capturer un workflow répétitif découvert lors d'une session de travail et le transformer en un brouillon de compétence (skill) OMC réutilisable. Il évite ainsi de devoir redécouvrir un processus complexe à l'avenir. Ce skill est idéal pour les développeurs travaillant avec des plateformes compatibles OMC (comme Claude Code, Cursor, etc.). Le processus guide l'utilisateur pour identifier les entrées, les étapes ordonnées, les critères de succès, les contraintes, les pièges et les preuves de vérification. Il aide également à choisir le meilleur emplacement de stockage : compétence intégrée au dépôt, compétence apprise par l'utilisateur/projet, ou simple documentation. Skillify insiste sur la génération d'un fichier de compétence complet avec un frontmatter YAML minimal, et le stocke dans un dossier dédié (`omc-learned` ou `.omc/skills`). Il s'assure que seuls les workflows réellement reproductibles, nécessitant un véritable effort de débogage, de conception ou d'exploitation, deviennent des compétences.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Yeachan-Heo/oh-my-claudecode/tree/main/skills/skillify

Demander à votre IA préférée

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

Documentation

Que fait skillify ?

Utilisez ce skill lorsque la session en cours a révélé un workflow reproductible qui devrait devenir un brouillon de compétence OMC réutilisable.

Objectif

Capturer un workflow multi-étapes réussi sous forme de brouillon concret de compétence, plutôt que de le redécouvrir plus tard.

Condition de qualité

Avant d'extraire une compétence, les trois conditions suivantes doivent être vraies :

  • « Quelqu'un pourrait-il trouver cela sur Google en 5 minutes ? » → Non.
  • « Ce workflow est-il spécifique à ce codebase, projet ou processus ? » → Oui.
  • « A-t-il nécessité un réel effort de débogage, de conception ou d'exploitation pour être découvert ? » → Oui.

Préférez les compétences qui encodent des heuristiques de décision, des contraintes, des pièges et des étapes de vérification. Évitez les extraits génériques, le code passe-partout ou les exemples d'utilisation de bibliothèque qui relèvent de la documentation normale.

Workflow

  1. Identifiez la tâche reproductible que la session a accomplie.
  2. Extrayez :
    • les entrées
    • les étapes ordonnées
    • les critères de succès
    • les contraintes / pièges
    • les preuves de vérification
    • le meilleur emplacement cible pour la compétence
  3. Décidez si le workflow doit être :
    • une compétence intégrée au dépôt
    • une compétence apprise par l'utilisateur/projet
    • de la documentation uniquement
  4. Lors de la rédaction d'un fichier de compétence apprise, générez un fichier complet commençant par un frontmatter YAML.
    • Ne produisez jamais de fichiers de compétence uniquement en Markdown.
    • N'écrivez pas de Markdown simple sans frontmatter.
    • Frontmatter minimal :
      ---
      name: <nom-de-la-compétence>
      description: <description en une ligne>
      triggers:
        - <déclencheur-1>
        - <déclencheur-2>
      ---
      
    • Écrivez les fichiers de compétence apprise/utilisateur/projet dans des chemins plats basés sur des fichiers :
      • ${CLAUDE_CONFIG_DIR:-~/.claude}/skills/omc-learned/<nom-de-la-compétence>.md
      • .omc/skills/<nom-de-la-compétence>.md
    • Rappelez-vous que les compétences non commitées restent locales à l'arbre de travail jusqu'à ce qu'elles soient commitées ou copiées dans un répertoire utilisateur.
  5. Rédigez le reste du fichier de compétence avec des déclencheurs clairs, des étapes, des critères de succès et des pièges.
  6. Signalez tout élément encore trop flou pour être encodé de manière fiable.

Règles

  • Ne capturez que les workflows réellement reproductibles.
  • Gardez la compétence pratique et bien cadrée.
  • Préférez des critères de succès explicites à une prose vague.
  • Si le workflow comporte encore des décisions d'embranchement non résolues, notez-les avant la rédaction.
  • Conservez omc-learned comme nom de répertoire de stockage pour la compatibilité ; ne le présentez pas comme le nom d'invocation publique.

Résultat

  • Nom de la compétence proposée
  • Emplacement cible
  • Structure du workflow en brouillon ou fichier de compétence complet
  • Notes de vérification ou de contrôle qualité
  • Questions ouvertes, le cas échéant

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

agent-doc-discipline

Writing-time discipline for documents agents consume (the five surfaces, specs, tickets, .omc/skills/) — every rule checkable and carrying a why, steps before reference, one meaning in one home, no restating what the environment already says. Mandatory at drydock seed generation and the launch C5 sediment pass; opt-in for any other agent-facing doc edit. The companion of minimal-code-discipline: that one disciplines code, this one disciplines papers.

ai-slop-cleaner

Clean AI-generated code slop with a regression-safe, deletion-first workflow and optional reviewer-only mode

ask

Process-first advisor routing for Claude, Codex, Gemini, Antigravity, Grok, or Cursor via `omc ask`, with artifact capture and no raw CLI assembly

ask-navigator

Shipyard

autopilot

Full autonomous execution from idea to working code

autoresearch

Stateful single-mission improvement loop with strict evaluator contract, markdown decision logs, and max-runtime stop behavior

cancel

Cancel any active OMC mode (autopilot, ralph, ultragoal, swarm, ultrapilot, pipeline, team) and clean up retired legacy state

configure-notifications

Configure notification integrations (Telegram, Discord, Slack) via natural language

debug

Diagnose the current OMC session or repo state using logs, traces, state, and focused reproduction

deepinit

Deep codebase initialization with hierarchical AGENTS.md documentation

deep-interview

Socratic deep interview with mathematical ambiguity gating before explicit execution approval

drydock

Lay the keel of the shipyard harness in any repo — the 4-pillar shared environment (Context, Rules, Tools, Standards) across 5 surfaces (CLAUDE.md, skills, design-system, mcp/cli, shared context) so that every human and agent inherits the same design language and anyone can ship. Run once per repo; re-run with --check to audit drift.

execute

Carry an approved task through to working, verified code

external-context

Invoke parallel document-specialist agents for external web searches and documentation lookup

graph

Deterministic orchestration graph runtime - declarative DAG pipelines with journal-based crash recovery

harbor

Harbor intake for external work — the captain only handles unresolved decisions. Sweeps incoming issues and PRs, verifies every claim before disposition, reuses every decision already made, and hands the maintainer a docket whose pending items each carry one question with options, recommendation, impact and evidence. Agent-autonomous for facts and for actions covered by standing authorization; signed for every new judgment. Never merges.

hud

Configure HUD display options (layout, presets, display elements)

launch

Shipyard

loft

Loft the shape before cutting steel — answer a design question that prose cannot settle by building a throwaway artifact: a pure logic module in a clickable shell, or structurally different UI variants behind one route. The captain reacts to the artifact; the answer folds into the decision; the artifact never docks. Use when a design question stalls in words, when a navigator map carries a loft ticket, or when a spec discussion reaches

minimal-code-discipline

YAGNI-ladder coding discipline for writing changes — existence-first, reuse before writing, dependency ladder, shortest correct diff, with non-negotiables that must never be minimized away

Skills associés