Communitygithub.com

Varnan-Tech/opendirectory

Audit impitoyable de l'expérience développeur pour un dépôt GitHub. Note 10 dimensions DX, rédige un « roast » partageable dans le ton demandé, produit un plan d'action priorisé par impact × effort et esquisse un README idéal.

Qu'est-ce que opendirectory ?

Cette compétence d'agent IA réalise un audit complet de l'expérience développeur (DX) d'un dépôt GitHub. Elle évalue 10 dimensions clés (temps avant premier succès, clarté du README, preuve visuelle, installation, démarrage rapide, documentation, exemples, communauté, confiance, marketing) sur une échelle de 0 à 10, calcule un score total et une note de A à F, puis produit quatre fichiers de sortie : un « roast » (critique constructive) dans le ton choisi (brutal, honnête ou gentil), un plan d'action priorisé par l'impact multiplié par l'inverse de l'effort, un README idéal selon un template, et un fichier JSON brut des scores. La compétence est conçue pour les mainteneurs OSS et les fondateurs d'outils de développement qui se préparent à un lancement (Show HN, Product Hunt). Elle fonctionne en mode lecture seule : elle clone le dépôt si une URL est fournie ou scanne un chemin local. Des règles strictes garantissent que chaque dimension est notée (même si les données manquent, un score de 0 est attribué), que les critiques sont appuyées par des preuves spécifiques (citations ligne par ligne), que le plan d'action est classé par priorité (un correctif de 5 minutes qui ajoute 10 points a une priorité plus élevée qu'un correctif de 2 heures qui ajoute 12 points), et que les noms des mainteneurs ou contributeurs ne sont jamais mentionnés. La compétence supporte également la comparaison avec un autre dépôt de référence et gère explicitement les erreurs (dépôt introuvable, privé, README manquant).

Compatible avec✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Varnan-Tech/opendirectory/tree/main/skills/dx-roaster

Demander à votre IA préférée

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

Documentation

dx-roaster

Rôtit l'expérience développeur d'un dépôt GitHub. Produit quatre fichiers : roast.md, action-plan.md, ideal-readme.md, score.json. Conçu pour les mainteneurs OSS et les fondateurs d'outils de développement qui se préparent pour Show HN, Product Hunt, ou tout lancement où les cinq premières minutes comptent.


Règles critiques (à lire avant chaque exécution)

  1. Lisez les trois fichiers de référence AVANT de noter. references/scoring-rubric.md, references/roast-voice-guide.md, references/readme-template.md. La grille d'évaluation est non négociable — utilisez les 10 dimensions exactes.

  2. Notez chaque dimension sur l'échelle 0-10. Ne sautez jamais. Données manquantes = score 0, pas « N/A ».

  3. Le roast doit citer des constats précis. Citez les mauvaises lignes textuellement. Référencez les chemins de fichiers. Citez les numéros de ligne si possible. N'écrivez jamais de platitudes génériques comme « la documentation pourrait être meilleure ».

  4. Le ton compte. Par défaut honest. Changez de voix selon references/roast-voice-guide.md. Brutal est drôle mais jamais personnel. Gentil est encourageant mais toujours spécifique.

  5. Le plan d'action est classé par impact, pas par sévérité. Utilisez impact × (1 / effort). Un correctif de 5 minutes qui ajoute 10 points se classe au-dessus d'un correctif de 2 heures qui ajoute 12 points.

  6. N'inventez jamais d'URL. Lorsque vous écrivez ideal-readme.md, utilisez la syntaxe <placeholder> pour les liens manquants. Le roast indiquera au mainteneur de les remplir.

  7. Ne nommez jamais les mainteneurs ou contributeurs. Rôtissez le travail, pas les personnes.

  8. Produisez exactement quatre fichiers dans dx-roast/. N'écrivez pas à d'autres emplacements. Ne sautez pas de fichiers.


Étape 1 : Prise en charge

Requis :

  • repo — chemin local (par défaut .) OU URL https://github.com/proprietaire/repo

Optionnel :

ParamètreDéfautDescription
tonehonestbrutal / honest / kind
output_dirdx-roast/Où écrire les 4 fichiers de sortie
compare_toaucunURL d'un second dépôt optionnel pour comparaison de référence

Si repo est une URL : clonez dans un répertoire temporaire avec git clone <url> /tmp/dx-roast-<court-hash>. Analysez à partir de là. Supprimez le répertoire temporaire après l'exécution.

Si repo est . ou un chemin local : analysez sur place, ne modifiez rien.


Étape 2 : Découverte

Lisez ces fichiers (chacun peut être absent — notez l'absence) :

  • README.md — contenu complet, structure (titres), blocs de code, références d'images, URL de badges
  • CONTRIBUTING.md, CODE_OF_CONDUCT.md
  • .github/ISSUE_TEMPLATE/, .github/PULL_REQUEST_TEMPLATE.md, .github/CODEOWNERS
  • package.json (description, page d'accueil, dépôt, licence, scripts), pyproject.toml, Cargo.toml, go.mod
  • LICENSE (existence + type)
  • Contenu du dossier docs/ (juste les noms de fichiers + tailles)
  • Dossier examples/ ou samples/ ou cookbook/
  • .github/workflows/*.yml (juste les noms + brève vérification de présence CI)

Si repo est une URL, récupérez aussi via gh :

gh api repos/<proprietaire>/<repo> --jq '{stars: .stargazers_count, forks: .forks_count, watchers: .subscribers_count, pushed_at, description, homepage, topics, default_branch}'
gh api repos/<proprietaire>/<repo>/commits --jq '.[0].commit.author.date' | head -1
gh api repos/<proprietaire>/<repo>/contributors --paginate --jq '[.[] | .login] | length'

Attrapez et continuez si un appel GitHub échoue.


Étape 3 : Noter 10 dimensions

Pour chacune des 10 dimensions dans references/scoring-rubric.md, produisez {score: 0–10, evidence: [...]} où evidence est une liste de 1 à 3 courtes chaînes citant ce que vous avez trouvé.

Exemple :

"visual_proof": {
  "score": 4,
  "evidence": [
    "1 capture d'écran trouvée à la ligne 89 (sous le pli)",
    "Aucune démo animée / gif",
    "Aucune vidéo"
  ]
}

Additionnez les scores → total (0–100) → note (A/B/C/D/F selon la grille).

Sauvegardez dans dx-roast/score.json avec cette forme exacte :

{
  "repo": "<proprietaire/repo ou chemin local>",
  "scanned_at": "<horodatage ISO 8601>",
  "dimensions": {
    "time_to_first_success": { "score": 7, "evidence": ["..."] },
    "what_is_this_clarity": { "score": 5, "evidence": ["..."] },
    "visual_proof": { "score": 4, "evidence": ["..."] },
    "install_simplicity": { "score": 9, "evidence": ["..."] },
    "runnable_quick_start": { "score": 8, "evidence": ["..."] },
    "documentation_depth": { "score": 6, "evidence": ["..."] },
    "examples": { "score": 5, "evidence": ["..."] },
    "community_signals": { "score": 3, "evidence": ["..."] },
    "trust_signals": { "score": 7, "evidence": ["..."] },
    "marketing_signals": { "score": 4, "evidence": ["..."] }
  },
  "total": 58,
  "grade": "D",
  "tone": "honest"
}

Étape 4 : Écrire le roast

Lisez references/roast-voice-guide.md. Appliquez le ton demandé. Écrivez 250–500 mots dans dx-roast/roast.md.

Structure requise :

# DX Roast : <nom du dépôt>

**Note : <lettre> (<total>/100)** · Ton : <ton>

<Paragraphe 1 : le verdict. Ce qui fonctionne + le grand écart.>

<Paragraphe 2 : citez 2 constats précis avec références aux fichiers.>

<Paragraphe 3 : citez 2 autres constats, reliez aux scores des dimensions.>

<Paragraphe 4 (optionnel) : une touche finale ou comparaison avec un dépôt connu de qualité.>

<Paragraphe de clôture : renvoyez à `action-plan.md` pour la voie à suivre.>

Chaque roast doit référencer au moins 3 constats précis issus des tableaux de preuves de score.json.


Étape 5 : Générer le plan d'action

Calculez priority = impact / effort_minutes pour chaque correction candidate. Prenez les 5 à 10 meilleures. Triez par priorité décroissante.

Pour chaque correction, écrivez dans dx-roast/action-plan.md :

### N. <Correction à l'impératif, une ligne>

**Pourquoi :** <Justification en une phrase. Référencez la dimension améliorée.>

**Impact :** +<X> points · **Effort :** <5min / 30min / 2h / demi-journée>

**Comment :**

1. <Étape concrète 1>
2. <Étape concrète 2>
3. <Étape concrète 3>

<Extrait de code/markdown optionnel montrant le changement exact>

Ouvrez action-plan.md par :

# Plan d'action — <nom du dépôt>

Note actuelle : <lettre> (<total>/100)
Meilleures corrections classées par impact × effort. À faire dans l'ordre.

---

Étape 6 : Générer le README idéal

Lisez references/readme-template.md. Remplissez le template selon la section « Règles de remplissage ». Écrivez dans dx-roast/ideal-readme.md.

Utilisez des placeholders <homepage_url> etc. pour les valeurs manquantes. Limite de longueur : 100 lignes.


Étape 7 : Récapitulatif terminal

Affichez ce format exact à l'utilisateur :

DX Roast terminé — Note : <lettre> (<total>/100)

Top 3 corrections (classées par impact) :
  1. <correction 1>                                +<X> pts  · <effort>
  2. <correction 2>                                +<X> pts  · <effort>
  3. <correction 3>                                +<X> pts  · <effort>

Fichiers :
  → dx-roast/roast.md          (verdict partageable)
  → dx-roast/action-plan.md    (correctifs priorisés)
  → dx-roast/ideal-readme.md   (état cible)
  → dx-roast/score.json        (notes brutes)

Si compare_to a été fourni, ajoutez une ligne de comparaison :

Référence : <autre dépôt> a un score de <X>/100 (note <Y>) — écart de <delta> points.

Auto-QA (à chaque exécution, avant d'afficher le récapitulatif terminal)

  • Les 10 dimensions dans score.json ont un score + des preuves
  • Le total est égal à la somme des dimensions
  • La lettre de note correspond aux seuils de la grille pour le total
  • Le roast référence au moins 3 éléments de preuve de score.json
  • Le roast ne nomme aucun mainteneur / contributeur
  • Le plan d'action contient 5 à 10 éléments, triés par priorité décroissante
  • Le README idéal fait moins de 100 lignes
  • Le README idéal utilise <placeholder> pour toute URL non trouvée lors de l'analyse
  • Les 4 fichiers existent dans output_dir
  • Aucun placeholder <TBD> / <TODO> dans roast.md ou action-plan.md

Si une vérification échoue, corrigez et réexécutez cette étape.


Gestion des erreurs

Ces quatre modes d'échec sont explicitement gérés — ne laissez jamais la compétence produire silencieusement une sortie partielle sans en révéler la cause.

CasComportement
repo n'existe pas OU ne peut pas être cloné OU ne peut pas être luQuittez immédiatement avec le message Dépôt introuvable ou inaccessible : <repo>. N'écrivez aucun fichier de sortie.
README.md est manquantExécutez quand même. Notez what_is_this_clarity, visual_proof, runnable_quick_start et marketing_signals près de 0. Utilisez l'absence comme ouverture du roast (« Pas de README, c'est une déclaration en soi »).
Dépôt privé + aucune authentification GitHub disponibleEssayez un clone local (git clone <url>) ; s'il échoue, quittez avec Le dépôt est privé et aucune authentification n'est disponible. Suggérez à l'utilisateur de définir GITHUB_TOKEN ou de passer un chemin local.
L'URL compare_to échoue (réseau, 404, privé, etc.)Continuez sans la référence. Ajoutez une seule ligne au roast : Note : la référence demandée par rapport à <compare_to> n'a pas pu être récupérée. Omettrez la ligne Référence : du récapitulatif terminal.

Toute erreur d'API GitHub (limite de débit, 5xx transitoire) lors de la récupération des métadonnées à l'étape 2 est capturée et enregistrée dans score.json sous trust_signals.evidence comme "métadonnées github indisponibles". Le reste de l'exécution se poursuit.


Exemples

Bonne invocation :

« Rôtis mon dépôt à l'adresse https://github.com/monorg/monoutil — ton : brutal. »

→ La compétence clone, analyse, note, écrit 4 fichiers dans dx-roast/, affiche le récapitulatif. Temps total <60s pour un dépôt typique.

Bonne comparaison :

« Audit DX du répertoire actuel. Référence par rapport à https://github.com/vercel/next.js. »

→ Analyse les deux, note l'actuel, inclut une ligne de référence dans le roast et le récapitulatif.


Ce que cette compétence NE fait PAS

  • Ne modifie pas le dépôt cible (analyse en lecture seule)
  • N'effectue pas d'audits de sécurité ou d'analyses de dépendances
  • Ne génère pas de contenu marketing (les actions sont concrètes, pas « réécrire pour le ton »)
  • Ne produit pas d'images ou d'actifs (juste des placeholders)
  • Ne publie pas sur les réseaux sociaux (écrit uniquement du texte partageable)

Individual skills in this repo

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

Varnan-Tech/opendirectory

Use when the user asks to generate a blog cover image, thumbnail, or article header. Automatically uses modern typography, brand logos, and Google Search grounding to create beautiful 16:9 images with Gemini 3.1 Flash Image Preview.

Varnan-Tech/opendirectory

World-class brand strategist and naming expert. Uses an interrogation-led discovery phase to extract your brand's DNA, then applies scientific naming frameworks (Phonosemantics) and automated multi-TLD domain checking.

Varnan-Tech/opendirectory

Use when the user asks to generate or update a project's CLAUDE or AGENTS context file from a codebase scan. Writes a focused file under 100 lines containing only the non-obvious build commands, conventions, and gotchas Claude Code needs.

Varnan-Tech/opendirectory

Use when the user wants to verify cold emails, enrich a lead list, or autonomously guess email addresses from a CSV using ValidEmail.co or the open-source Reacher engine.

Varnan-Tech/opendirectory

Competitive intelligence orchestrator tracking companies across 8+ platforms (GitHub, Twitter, Reddit, HN, PH, YC Jobs) with heat scores and AI briefings.

Varnan-Tech/opendirectory

Give it your product URL or description. It finds your top 5 competitors, runs three-track PR research across all of them (editorial, podcasts, communities), identifies which channels appear most frequently, looks up the journalist or host for each, and returns a tiered outreach list with story angles and ready-to-send cold pitch drafts tailored to your product. Use when asked to find PR opportunities, discover where competitors got featured, build a media outreach list, find which journalists cover my space, or get pitch templates for press coverage.

Varnan-Tech/opendirectory

Generate high-converting, deep-dive growth case studies in MDX format. Use this skill when asked to write a case study or blog post about a company's growth, tech stack, or product-led strategy. It handles the full pipeline (researching the company via Tavily, generating a 16:9 cover image, quality checking the draft, uploading assets to cloud storage, and pushing directly to the target repository).

Varnan-Tech/opendirectory

Scans your project for outdated npm, pip, Cargo, Go, or Ruby packages. Runs a CVE security audit. Fetches changelogs, summarizes breaking changes with Gemini, and opens one PR per risk group (patch, minor, major). Includes Diagnosis Mode for install conflicts. Use when asked to update dependencies, check for outdated packages, open dependency PRs, scan for package updates, audit for CVEs, or flag breaking changes in upgrades. Trigger when a user says "check for outdated packages", "update my dependencies", "open PRs for dependency updates", "scan for CVEs", or "which packages need upgrading".

Varnan-Tech/opendirectory

Generates and updates README.md and API reference docs by reading your codebase's functions, routes, types, schemas, and architecture. Uses graphify to build a knowledge graph first, then writes accurate docs from it. Use when asked to write docs, generate a README, document an API, update stale docs, create an API reference from code, add an architecture section, or document a project in any language. Trigger when a user says their docs are missing, outdated, or wants to document their codebase without writing it manually.

Varnan-Tech/opendirectory

Evaluates expired domain candidates against a target niche, scores them by topical relevance, historical activity level, and history cleanliness, then outputs a ranked shortlist with explainable reasoning and risk flags.

Varnan-Tech/opendirectory

Drafts and designs a complete HTML email newsletter from a topic or content brief. Outputs paste-ready HTML for Loops, Mailchimp, Beehiiv, Resend, or any standard email platform. Includes subject line options and plain-text fallback. Trigger when a user says "write a newsletter", "draft an email newsletter", "create an HTML email", "design an email for my subscribers", or "write a newsletter about [topic]".

Varnan-Tech/opendirectory

Takes a GitHub PR URL or the current branch and writes a plain-English explanation of what it does and why, then posts it as a PR comment. Use when asked to explain a PR, summarize a pull request, write a plain-English description of a PR, add a summary comment to a PR, or understand what a PR changes. Trigger when a user says "explain this PR", "summarize this pull request", "what does this PR do", "add a comment explaining the PR", or shares a GitHub PR URL and asks what it does.

Varnan-Tech/opendirectory

Audit how often LLMs recommend your brand vs competitors and generate a GEO action plan.

Varnan-Tech/opendirectory

Takes a competitor's public GitHub repo URL, fetches their open issues via the GitHub REST API, filters noise locally, clusters issues into 6 demand categories, computes a demand score per issue and per cluster, and outputs a ranked demand gap report with a GTM messaging brief. Use when asked to scan a competitor's GitHub issues, find what their users are begging for, turn GitHub complaints into product positioning, identify competitor feature gaps, or generate messaging from real user demand. Trigger when a user says "scan competitor issues", "what are users asking for on X repo", "find demand gaps in Y", "turn GitHub issues into messaging", or "what should I build based on competitor complaints".

Varnan-Tech/opendirectory

Find recurring confusion in your repo's GitHub Discussions, rank it by urgency, and draft the actual docs fixes and content angles — with verbatim community quotes and source links as evidence.

Varnan-Tech/opendirectory

SEO keyword research workflow for blog generation using Google Trends data. Use when writing blog posts, planning content calendars, or optimizing articles for search engines. Finds breakout keywords, builds content structure, and generates SEO-optimized blog outlines targeting tech and developer audiences.

Varnan-Tech/opendirectory

Generates a professionally designed case study PDF for B2B SaaS sales and marketing. Supports 7 page layouts, 9 style presets, 1-4 page output. Trigger when user says "create a case study", "write a customer story", "make a case study PDF", "design a success story", "turn this customer win into a PDF".

Varnan-Tech/opendirectory

Generates data visualization charts (bar, line, area, pie, doughnut, scatter, radar, treemap) as PNG using Apache ECharts v6. 1080×1080px default, 5 style presets, highlight annotations. Trigger when user says "create a chart", "visualize data", "make a bar chart", "line graph", "pie chart", "data visualization", "chart this data", "plot", "graph", or "visualize these numbers".

Varnan-Tech/opendirectory

Creates professionally designed B2B SaaS e-books in HTML + CSS, exported as print-ready PDF. 3–10 pages, 9 style presets, 11 page layout types. Trigger when user says "create an ebook", "design a lead magnet", "make a PDF guide", "build a gated content piece", "write a B2B ebook", "design a white paper", "create a nurture asset", or "make a PDF report".

Varnan-Tech/opendirectory

Fetches low-star App Store and Google Play reviews, clusters them into broken-promise patterns, and generates a ranked copy brief with positioning opportunities.

Skills associés