Communitygithub.com

curiositech/windags-skills

Compétence en Ingénierie des Systèmes Cognitifs pour la conception de systèmes complexes.

Qu'est-ce que windags-skills ?

Cette compétence applique les principes de l'Ingénierie des Systèmes Cognitifs (CSE) à la conception de systèmes complexes, en particulier les systèmes multi-agents, l'orchestration et l'automatisation des décisions. Elle aide les concepteurs et les équipes à détecter les biais de conception, à diagnostiquer les échecs comme des signaux sur les hypothèses sous-jacentes, et à reformuler les problèmes avant de rechercher des solutions. Basée sur les travaux de Militello, Dominguez, Lintern et Klein, elle fournit des modèles mentaux (par exemple, les exigences cognitives sont invisibles, les erreurs sont des diagnostics) et des cadres décisionnels pour éviter les anti-patrons classiques comme la conception pour l'utilisateur imaginaire ou le verrouillage prématuré des exigences. Elle s'active lors de la conception d'architectures d'agents, de l'analyse d'échecs, de l'extraction de connaissances d'experts, ou lorsque le problème initial semble mal posé. Recommandée pour les plateformes comme Claude Code, Cursor ou Codex, elle encourage une réflexion centrée sur le système cognitif conjoint plutôt que sur des paires outil-utilisateur isolées.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/_merged-archives/the-role-of-cognitive-systems-engineerin

Demander à votre IA préférée

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

Documentation

SKILL.md : Ingénierie des Systèmes Cognitifs pour la Conception Complexe

licence : Apache-2.0

metadata:
  nom : Ingénierie des Systèmes Cognitifs (CSE)
  source : "Le rôle de l'ingénierie des systèmes cognitifs dans le processus de conception de l'ingénierie des systèmes"
  auteurs : Militello, Dominguez, Lintern, Klein
  version : 1.0
  déclencheurs_d_activation :
    - conception de systèmes d'agents ou d'architectures d'orchestration
    - analyse des raisons pour lesquelles un système a échoué ou échoue pour les utilisateurs
    - décomposition de tâches complexes pour une exécution par IA ou humain
    - extraction des exigences auprès d'experts du domaine
    - rencontre d'erreurs ou de comportements inattendus dans le travail cognitif
    - questionnement sur la résolution du bon problème
    - conception pour le jugement d'expert, l'aide à la décision ou l'automatisation
    - évaluation de si une solution résout le problème énoncé ou réel

Quand utiliser cette compétence

Chargez cette compétence lorsque :

  • Un système est conçu pour soutenir la cognition humaine — aide à la décision, orchestration d'agents, systèmes d'information, automatisation de l'expertise
  • Les exigences semblent vagues, contestées ou changent constamment — c'est un signal que les exigences cognitives sont invisibles, pas que les parties prenantes sont confuses
  • Des erreurs ou des échecs apparaissent — traitez-les comme des diagnostics sur les hypothèses de conception, pas comme des défauts à corriger
  • Le problème énoncé semble erroné — lorsque l'espace des solutions semble ne pas contenir la réponse réelle
  • L'expertise doit être capturée, reproduite ou soutenue — et l'expert "n'arrive pas vraiment à expliquer comment il fait"
  • Une équipe ou un système distribué doit se coordonner sur un travail cognitif complexe — plusieurs agents, humains, outils ou organisations partagent la charge cognitive
  • La valeur du travail d'analyse est remise en question — lorsque les contributions cognitives sont invisibles par rapport aux livrables d'ingénierie

Modèles mentaux fondamentaux

1. Les exigences cognitives sont invisibles

Ce que les concepteurs supposent que les travailleurs ont besoin et ce dont les travailleurs ont réellement besoin sont systématiquement différents — et l'écart est énorme. Les praticiens experts opèrent sur des connaissances tacites, des indices perceptifs, la reconnaissance de motifs et la conscience des contraintes qu'ils ne peuvent pas facilement exprimer et que l'observation seule ne révélera pas. Tout processus de conception qui n'excave pas activement ces exigences construira pour un travailleur imaginaire.

Implication : L'extraction des exigences doit utiliser des méthodes spécialisées (analyse cognitive des tâches, méthode de décision critique, protocoles de réflexion à voix haute), pas des entretiens ou des enquêtes. L'artefact de ce travail est un modèle cognitif du travail réel, pas une liste de fonctionnalités.

2. Les erreurs sont des diagnostics, pas des défauts

Une erreur dans un système cognitif n'est pas un dysfonctionnement — c'est une indication précise de l'endroit où le modèle du système sur le travail diverge de la structure réelle du travail. Le décalage entre le comportement attendu et observé est le signal le plus riche en informations disponible pour un concepteur.

Implication : Lorsque des agents, des utilisateurs ou des systèmes conjoints produisent une sortie inattendue, la première question est "que révèle cette erreur sur nos hypothèses de conception ?" pas "comment éliminer cette erreur ?"

3. Le design est un dialogue, pas un pipeline

Les modèles de conception séquentiels (exigences → spécifications → construction → test) sont pratiques sur le plan pédagogique mais faux sur le plan opérationnel. Les problèmes complexes révèlent de nouvelles informations à mesure qu'on les aborde. L'énoncé du problème avec lequel vous commencez n'est jamais celui avec lequel vous devriez terminer. Les tentatives de verrouiller les exigences tôt suppriment la découverte que les problèmes complexes nécessitent.

Implication : Les itérations ne sont pas des échecs de planification. Revoir le cadrage du problème en cours de projet n'est pas une dérive du périmètre — c'est le processus qui fonctionne correctement. Construisez des points de réévaluation explicites.

4. Le cadrage du problème est l'intervention au plus fort levier

La chose la plus précieuse qu'une analyse cognitive peut produire est souvent une reformulation du problème — pas une meilleure solution au problème énoncé, mais la preuve que le problème énoncé est erroné. Le cas de la centrale nucléaire : 80+ membres du personnel réduits à 35, zéro nouvelle technologie, simplement en comprenant la structure cognitive réelle du travail.

Implication : Avant d'optimiser une solution, investissez dans la vérification de l'énoncé du problème. Le coût de résoudre le mauvais problème avec une haute qualité dépasse presque toute autre erreur de conception.

5. Systèmes cognitifs conjoints, pas paires outil-utilisateur

La complexité cognitive réside dans le système distribué — les humains, technologies, processus et structures organisationnelles qui effectuent collectivement un travail cognitif. Aucun agent ou outil unique ne peut être conçu isolément. Les mécanismes de coordination, les flux d'information et la conscience partagée de la situation à travers le système sont là où le succès ou l'échec cognitif est déterminé.

Implication : Concevez les transferts, pas seulement les nœuds. Spécifiez les exigences de modèle mental partagé entre les composants. Analysez comment l'automatisation modifie la distribution de la charge cognitive dans tout le système conjoint, pas seulement si l'automatisation fonctionne.


Cadres décisionnels

Diagnostic du problème

SI un système produit des erreurs ou un comportement inattendu
ALORS charger : modes-de-défaillance-dans-les-systèmes-cognitifs-complexes.md
→ Classifiez le mode de défaillance avant de proposer un correctif
→ Demandez : S'agit-il d'une surprise d'automatisation, d'un mauvais problème, d'un cloisonnement, d'une sur-spécification ou d'un goulot d'étranglement ?

SI les parties prenantes sont en désaccord sur les exigences ou si les exigences changent constamment
ALORS charger : les-exigences-cognitives-sont-invisibles.md
→ Le changement est une information : les exigences cognitives n'ont pas encore été rendues explicites
→ Déployez une extraction structurée avant de recueillir plus d'exigences

SI la solution proposée semble résoudre la mauvaise chose
ALORS charger : reformulation-du-problème-comme-intervention-au-plus-fort-levier.md
→ Arrêtez le travail de solution ; investissez d'abord dans le cadrage du problème
→ Cherchez une reformulation qui rend les catégories de solutions actuelles inutiles

Processus de conception

SI conception d'un système d'agents ou d'une architecture d'orchestration
ALORS charger : systèmes-cognitifs-conjoints-cognition-distribuée.md ET carte-conceptuelle-cse-pour-architecture-d-agents.md
→ Cartographiez l'ensemble du système conjoint avant de concevoir un composant
→ Concevez d'abord les mécanismes de coordination et le flux d'informations

SI sous pression pour finaliser les exigences avant une compréhension adéquate
ALORS charger : conception-comme-dialogue-pas-pipeline.md
→ Distinguez "verrouiller les exigences" de "avoir un meilleur modèle actuel"
→ Proposez des points de réévaluation explicites au lieu d'un verrouillage séquentiel

SI conception pour ou autour du jugement d'expert
ALORS charger : reconnaissance-de-l-expertise-et-connaissance-tacite.md
→ Appliquez le modèle de décision basé sur la reconnaissance pour comprendre comment l'expertise fonctionne réellement
→ Planifiez pour l'écart d'articulation des experts dans le travail d'exigences

Évaluation et valeur

SI la valeur du travail d'analyse cognitive est remise en question
ALORS charger : cas-de-valeur-et-contributions-invisibles.md
→ Le paradoxe : un bon travail de CSE se rend invisible (moins d'échecs, fonctionnement plus fluide)
→ Utilisez des indicateurs avancés, pas seulement le nombre d'incidents

SI une solution proposée implique l'ajout de technologie ou de personnel
ALORS charger : reformulation-du-problème-comme-intervention-au-plus-fort-levier.md
→ Vérifiez : un modèle cognitif précis du travail a-t-il été utilisé pour valider cette solution ?
→ Le benchmark de la centrale nucléaire : la reformulation du problème pourrait-elle éliminer le besoin de la ressource proposée ?

Fichiers de référence

FichierQuand charger
references/les-exigences-cognitives-sont-invisibles.mdLes exigences semblent vagues ou contestées ; conception pour des utilisateurs experts ; début de tout processus d'extraction d'exigences ; les méthodes de recherche utilisateur sont en question
references/conception-comme-dialogue-pas-pipeline.mdPression pour finaliser les exigences tôt ; le processus itératif est remis en question comme inefficace ; le projet est en cours et l'énoncé du problème doit être revu
references/reformulation-du-problème-comme-intervention-au-plus-fort-levier.mdL'espace des solutions ne semble pas contenir la bonne réponse ; les solutions proposées semblent coûteuses ou mal alignées ; besoin de justifier une pause dans l'exécution pour reformuler
references/systemes-cognitifs-conjoints-cognition-distribuée.mdConception de systèmes multi-agents ou homme-machine ; analyse des échecs de coordination ; évaluation de comment l'automatisation modifie la distribution de la charge cognitive
references/reconnaissance-de-l-expertise-et-connaissance-tacite.mdCapture de connaissances d'experts ; conception d'aide à la décision ; construction de systèmes pour reproduire ou assister le jugement d'expert ; l'expert ne peut pas articuler comment il fait le travail
references/modes-de-défaillance-dans-les-systemes-cognitifs-complexes.mdDiagnostic d'erreurs système ou de comportement inattendu ; pré-mortems sur les conceptions proposées ; classification d'une défaillance observée avant d'y répondre
references/carte-conceptuelle-cse-pour-architecture-d-agents.mdCartographie des capacités pour un système d'agents ; organisation des fonctions cognitives entre les composants ; résolution de confusion terminologique entre les frameworks
references/cas-de-valeur-et-contributions-invisibles.mdJustification de l'investissement dans l'analyse cognitive ; la valeur du travail de CSE est remise en question ; mesure des résultats des systèmes qui préviennent principalement les échecs

Anti-patrons

Voici les modes de défaillance contre lesquels la CSE met spécifiquement en garde. Reconnaissez-les tôt.

1. Concevoir pour le travailleur imaginaire Construire des systèmes basés sur la façon dont les concepteurs pensent que les experts travaillent, pas sur la façon dont les experts travaillent réellement. Le travailleur imaginaire est rationnel, dispose d'informations complètes, suit des procédures et prend des décisions comme un manuel le dit. Le travailleur réel ne fait rien de tout cela.

2. Traiter les erreurs comme des défauts plutôt que des diagnostics Corriger les erreurs sans se demander ce qu'elles révèlent. Une erreur corrigée sans être comprise est une occasion manquée de corriger l'hypothèse de conception sous-jacente — et une garantie que le problème resurgira sous une forme différente.

3. Verrouiller les exigences avant que le travail cognitif ne soit terminé Les modèles de processus séquentiels créent une pression pour verrouiller les exigences tôt. Dans des domaines cognitivement complexes, cela garantit que le mauvais système est construit efficacement. Le verrouillage précoce des exigences n'est pas de la discipline ; c'est une fermeture prématurée.

4. Cloisonnement : optimiser les composants sans la vue d'ensemble du système conjoint Construire un excellent outil qui brise le flux de travail des humains ou des agents autour de lui. Optimisation locale qui dégrade la performance du système. La version classique : automatisation qui libère un humain d'une tâche mais le laisse sans conscience de la situation lorsque l'automatisation échoue.

5. Biais rétrospectif dans l'analyse des échecs Après un incident, concevoir uniquement pour cet échec spécifique. La clarté séduisante de la reconstruction post-hoc rend les échecs plus prévisibles qu'ils ne l'étaient — et concentre l'énergie de conception sur le dernier échec plutôt que sur le suivant.

6. Sur-spécification qui élimine la capacité d'adaptation Concevoir des systèmes si serrés que les praticiens ne peuvent pas improviser lorsque la réalité s'écarte du modèle. Le travail complexe réel nécessite de l'adaptation. La sur-spécification rend le système fragile précisément dans les situations où la flexibilité compte le plus.

7. Le goulot d'étranglement d'expert par conception Construire un système où un seul expert (humain ou IA) est la passerelle requise pour toutes les décisions critiques. Même lorsque cet expert est excellent, cela crée une fragilité catastrophique. La CSE appelle à distribuer l'expertise, pas à la concentrer.


Shibboleths

Comment savoir si quelqu'un a réellement intériorisé la CSE vs. a lu un résumé :

Ils disent "les erreurs sont intéressantes" — pas "les erreurs sont des problèmes." Quelqu'un qui a absorbé la CSE traite un rapport d'échec comme une opportunité de recherche, pas comme un ticket à clôturer.

Ils demandent "est-ce le bon problème ?" avant de demander "quelle est la solution ?" — et ils sont prêts à passer du temps réel sur cette question même si cela retarde le progrès visible. Ils ont vu le cas de la centrale nucléaire et savent ce que la réponse peut valoir.

Ils résistent au verrouillage des exigences sans analyse cognitive — pas comme obstruction mais parce qu'ils comprennent que verrouiller les exigences avant de comprendre la structure cognitive du travail est une manière spécifique, nommée et prévisible de construire la mauvaise chose.

Ils pensent en systèmes conjoints — lorsqu'ils analysent un échec ou conçoivent une solution, ils demandent instinctivement "où cela se situe-t-il dans l'ensemble du système cognitif ?" pas "que devrait faire ce composant ?"

Ils savent ce que coûte la connaissance tacite — ils ne s'attendent pas à ce que les experts puissent leur dire ce qu'ils ont besoin de savoir. Ils ont intériorisé que l'expertise est largement inaccessible à l'introspection et planifient leurs méthodes d'extraction en conséquence.

Ils traitent la nature itérative du design comme un signal, pas du bruit — lorsqu'un énoncé de problème change en cours de projet, ils le lisent comme le processus révélant quelque chose de réel, pas comme un échec de planification à gérer.

Ils peuvent nommer les cinq modes de défaillance — surprise d'automatisation, mauvais énoncé de problème, cloisonnement, sur-spécification, goulot d'étranglement d'expert — et les appliquer de manière diagnostique à des situations nouvelles, pas comme une liste de contrôle.

Ce qu'ils ne disent pas : "Nous avons juste besoin de meilleures exigences." "Si nous documentons le processus, le système le suivra." "Les utilisateurs ont juste besoin de formation." "Nous pouvons évaluer l'outil IA indépendamment de la façon dont les opérateurs l'utilisent."


Chargez les fichiers de référence à la demande selon les situations spécifiques. La compétence s'active avec ce fichier ; une analyse plus approfondie nécessite les références.

Individual skills in this repo

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

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

Build production-ready LLM applications, advanced RAG systems, and intelligent agents. Implements vector search, multimodal AI, agent orchestration, and enterprise AI integrations. Use PROACTIVELY for LLM features, chatbots, AI agents, or AI-powered applications.

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

Skills associés