Communitygithub.com

Auto-évaluation avant validation

Checklist structurée d'auto-révision à exécuter avant de valider des changements de code substantiels. Couvre les cas limites, les chemins d'erreur, la couverture de tests, la documentation et la qualité du code — afin que l'intégration continue soit un dernier recours, pas votre premier relecteur.

Qu'est-ce que Auto-évaluation avant validation ?

Cette compétence, nommée « Auto-évaluation avant validation », fournit une checklist structurée permettant aux agents autonomes (comme Claude Code ou les assistants de codage IA) d'effectuer une auto-révision rigoureuse avant de soumettre des modifications importantes. Elle aide à détecter les problèmes courants tels que les cas limites non traités, les chemins d'erreur fragiles, les tests manquants, la documentation obsolète et les défauts de qualité de code. Elle est particulièrement utile lorsque le volume de changements dépasse 100 lignes ou 5 fichiers, ou que des parties critiques de l'infrastructure sont modifiées. L'agent exécute séquentiellement cinq « lentilles » : cas limites, chemins d'erreur, couverture de tests, documentation et qualité du code, chacun avec des éléments cochables concrets. Une commande de test unitaire (smoke test) est proposée pour vérifier rapidement formatage, typage et passage des tests avant la validation. La compétence met en garde contre les anti-patrons habituels (compter sur l'IC, remettre les tests à plus tard, s'appuyer sur des tests manuels). L'objectif principal est de réduire les boucles de retour d'IC, d'éviter les bogues utilisateur et de maintenir une base de code saine sans nécessiter systématiquement une relecture humaine. Elle fonctionne sur n'importe quel environnement de développement utilisant Git et des pratiques de codage standards, et ne nécessite aucun outil ou plateforme spécifique.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/agentskillexchange/skills/tree/HEAD/skills/pre-landing-review

Demander à votre IA préférée

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

Documentation

Que fait Auto-évaluation avant validation ?

Avant de valider des modifications importantes, parcourez cette checklist. Attrapez les problèmes avant que l'intégration continue ne les attrape — ou pire, avant que les utilisateurs ne les attrapent.

Quand l'utiliser

Exécutez cette compétence lorsque l'une de ces conditions est vraie :

  • Plus de 100 lignes modifiées
  • Plus de 5 fichiers modifiés
  • Infrastructures critiques touchées (exécuteur, stockage, boucles de répartition principales)
  • Nouveaux concepts ou APIs publiques introduits
  • Incertitude sur des cas limites ou des choix de conception

Porte d'entrée rapide :

git diff --stat HEAD | tail -5  # Combien de changements ?
git diff --name-only HEAD | wc -l  # Combien de fichiers ?

Sauter si

  • Modification triviale (≤ 50 lignes, ≤ 3 fichiers)
  • Mises à jour de documentation ou de cours uniquement
  • Modifications de tests uniquement (les tests ont leur propre révision)
  • Correction de bogue simple d'une seule ligne avec une portée évidente et limitée
  • Refactorisation mécanique sans changement de logique

La checklist

1. Cas limites

- [ ] Entrées nulles/vides gérées ?
- [ ] Conditions limites testées (décalage d'un, listes vides, zéro) ?
- [ ] Accès concurrentiels ou conditions de concurrence considérés ?
- [ ] Problèmes d'Unicode/encodage si traitement de texte ?

2. Chemins d'erreur

- [ ] Toutes les exceptions attrapées au bon niveau (pas trop larges) ?
- [ ] Messages d'erreur informatifs (qu'est-ce qui a échoué, pourquoi, que faire) ?
- [ ] Modes de défaillance échouent élégamment, pas silencieusement ?
- [ ] Pas de `except:` nu ou d'erreurs avalées ?

3. Couverture de tests

- [ ] Chemins critiques couverts par des tests ?
- [ ] Cas limites identifiés ci-dessus couverts par des tests ?
- [ ] Les tests s'exécutent réellement et passent ?
- [ ] Pas de squelettes de tests laissés avec `pass` ou `...` ?

4. Documentation

- [ ] Docstrings/commentaires correspondent au comportement actuel ?
- [ ] README mis à jour si l'interface publique a changé ?
- [ ] Message de validation capture ce qui a changé et pourquoi ?
- [ ] Documentation d'architecture pertinente toujours exacte ?

5. Qualité du code

- [ ] Nommage clair et cohérent avec le code environnant ?
- [ ] Pas d'odeurs de code évidentes (fonctions god, nombres magiques, chemins codés en dur) ?
- [ ] Suit les motifs existants dans le fichier/package ?
- [ ] Analyse statique / vérification de type passe ?

Test unitaire rapide

# Exécuter avant la validation (adapte à votre pile) :
make format && make typecheck && pytest -x -q && echo "✅ Prêt à valider"

Si une étape échoue, corrigez-la avant de valider. Ne livrez pas en échec.

Anti-patrons

Anti-patronCorrection
"L'IC attrapera ça"L'IC est un dernier recours, pas un substitut à votre propre jugement. Attrapez-le d'abord.
"J'ajouterai les tests plus tard"Plus tard n'arrive pas. Écrivez le test maintenant ou acceptez la lacune définitivement.
"Ça a fonctionné quand je l'ai testé manuellement"Les tests manuels ne sont pas reproductibles. Écrivez un test automatisé pour que les futures sessions puissent aussi le vérifier.
"Le message d'erreur est un TODO"Les messages d'erreur TODO sont livrés en tant que messages d'erreur TODO. Écrivez le vrai message maintenant.
"Je peux voir à partir du code que ça gère ce cas"Si ce n'est pas testé, une future refactorisation le cassera invisiblement.

Pourquoi c'est important

Les agents autonomes sont entraînés à produire des résultats assez bons pour éviter les corrections. Sans une porte d'auto-révision structurée, les validations de code autonomes contournent la vérification humaine qui normalement détecte les régressions et les cas limites. Cette compétence agit comme cette porte — cinq lentilles ciblées exécutées en séquence pour que rien d'évident ne passe entre les mailles.

Les bénéfices s'accumulent : chaque passage de révision qui attrape un vrai problème est un aller-retour d'IC économisé, un bogue utilisateur évité et une PR d'annulation non nécessaire.

Liens connexes

Individual skills in this repo

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

Academic Paper Citation Network Mapper

Builds citation networks from Semantic Scholar API and CrossRef DOI metadata. Visualizes paper influence graphs using NetworkX, identifies seminal works, and tracks research lineage across fields.

ACF Custom Fields REST Exposer

Exposes Advanced Custom Fields data through the WordPress REST API using register_rest_field and acf_format_value. Handles repeater fields, flexible content layouts, and gallery fields with proper serialization.

ACF Extended for Advanced Custom Fields Workflows

An ASE skill built around ACF Extended, the WordPress enhancement suite for Advanced Custom Fields that adds field types, admin improvements, front-end forms, options pages, and developer tooling. It is a practical fit for agents working inside complex WordPress content models and custom field workflows.

ACF to Gutenberg Block Migrator

Converts Advanced Custom Fields field groups into native Gutenberg blocks using the ACF Block API v2 and @wordpress/scripts build pipeline. Maps ACF repeaters, groups, and flexible content to InnerBlocks and block attributes with server-side rendering via acf_register_block_type().

Activepieces Open Source Workflow Automation

Activepieces is an open-source, self-hostable workflow automation platform with 200+ integrations. It provides a visual builder for creating automated workflows and exposes all its connectors as MCP servers for AI agent use.

ActivityWatch Cross-Platform Automated Time Tracker and Producti

ActivityWatch is a privacy-first, open-source automated time tracker that records application usage, browser activity, and AFK status across Windows, macOS, and Linux. With 16k+ GitHub stars, it provides detailed productivity analytics without sending data to external servers.

act Local GitHub Actions Runner

act is an open-source CLI tool that runs GitHub Actions workflows locally using Docker, enabling fast feedback on workflow changes without pushing to GitHub. It is a standard tool for local Actions development and testing.

Add a browser review checkpoint before risky agent actions with

Use AgentClick when an agent should pause before risky commands, plans, drafts, or code changes so a human can inspect, edit, approve, or reject them in a purpose-built browser UI.

Add Claude design-system and accessibility workflows with UX/UI

Use UX/UI Agent Skills when Claude should generate tokens, component specs, accessibility audits, and framework-specific UI code from a repeatable design workflow.

Add executable smoke tests for shell scripts and CLIs before ref

Use Bats-core when an agent needs to turn fragile shell scripts or command-line workflows into something it can verify repeatedly after edits. The agent writes focused Bash tests for success paths, failure paths, and output contracts, then runs them locally or in CI before a refactor, release, or incident fix goes out.

Add graph-backed memory and context retrieval to agent workflows

Use Cognee to ingest project knowledge into graph and vector memory so agents can retrieve durable context across sessions and workflows.

Add IDE-style semantic code navigation and symbol-safe refactors

Give a coding agent symbol-aware lookup, cross-file rename, and structural edit tools before it starts making brittle text-only changes.

Add managed long-term memory to LangGraph agents with LangMem

Give LangGraph agents memory management and search tools so they can store, retrieve, and update durable facts across sessions.

Add multimodal lifelong memory to MCP and Python agents with Sim

Use SimpleMem to store, compress, index, and retrieve text or multimodal memories for agents through MCP or Python integrations.

Add persistent project memory and hook-driven synthesis with Cla

Keep Claude Code sessions grounded in prior decisions, project context, and daily handoff notes instead of starting from zero every time.

Add Postgres-native vector retrieval to agent and RAG workflows

Store embeddings beside application data in Postgres, create vector indexes, and query nearest neighbors for semantic search, RAG, recommendations, or agent memory retrieval.

Address GitHub PR review comments from the current branch with g

Find the open PR for the current branch, gather unresolved review comments, and drive a focused comment-resolution workflow with gh-authenticated context.

Add runtime guardrails to TypeScript agents with VoltAgent

Use VoltAgent to intercept, validate, and enforce input/output policies in TypeScript agent workflows.

Add temporal context memory to agent workflows with Zep

Use Zep as an external context layer for agents that need to store events, assemble temporal graph context, and retrieve relevant memory before model calls.

Adobe Firefly API Batch Image Generator

Calls Adobe Firefly

Skills associés