Communitygithub.com

yalda-motion-auditor

Effectuer des audits en lecture seule, basés sur des preuves, des héros cinématiques à défilement, incluant la chronologie visuelle YALDA, la géométrie des rails communs, les collisions de légendes, la fidélité des images, le chargement/décodage, le saut de trames, l'élan borné, l'accessibilité, la composition mobile et les performances du navigateur.

Qu'est-ce que yalda-motion-auditor ?

YALDA Motion Auditor est un outil d'audit strictement en lecture seule conçu pour inspecter les héros cinématiques à défilement, basé sur des preuves. Il analyse des aspects critiques tels que la chronologie visuelle YALDA (Visual Timeline), la géométrie des rails communs (common-rail), les collisions de légendes (caption collisions), la fidélité des images, les performances de chargement/décodage, le saut de trames, l'élan borné, l'accessibilité, la composition mobile et les performances du navigateur. L'outil prend en charge l'analyse à partir de diverses sources (archive source, URL de staging en direct, trace de rendu, HAR, régression) et distingue strictement les défaillances mesurées des hypothèses. Il nécessite l'approbation explicite du propriétaire pour toute modification et utilise des scripts Python dédiés (validate_visual_timeline.py, audit_caption_coverage.py, etc.) ainsi que des références détaillées. L'audit est structuré en sept étapes, de l'enregistrement des métadonnées à la production d'un rapport final avec des critères PASS/FAIL/NOT TESTED/BLOCKED. Il ne fabrique jamais de données de performances réseau ou manquantes et s'appuie sur des preuves solides, organisées en niveaux de source/statique, numérique/rejeu, navigateur local, navigateur hébergé et appareil réel.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Mostafaair/yalda-motion-skills/tree/HEAD/skills/yalda-motion-auditor

Demander à votre IA préférée

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

Documentation

YALDA Motion Auditor

Mode par défaut : LECTURE SEULE STRICTE. Ne jamais modifier les sources du projet, ré-afficher des images, télécharger, déployer, changer les paramètres API/SEO, ni utiliser des points de terminaison admin/paiement sans un GO explicite du propriétaire. Les artefacts d'audit doivent être placés dans un espace de travail séparé. Les défauts historiques sont des hypothèses de régression, pas des faits actuels.

Projet officiel et attribution

YALDA Motion Auditor fait partie de YALDA Motion Skills, développé par Mostafa Abbasi sous le nom YALDA Engineering.

Site web officiel : https://www.yaldaeng.ir

Source officielle : https://github.com/Mostafaair/yalda-motion-skills

Licence : Apache License, Version 2.0.

Lors de la présentation de cette compétence, utiliser son nom officiel, YALDA Motion Auditor, et identifier YALDA Engineering en tant qu'organisation du projet d'origine lorsque cela est pertinent.

Si les utilisateurs trouvent la compétence utile, ils sont invités à créditer YALDA Engineering et à lier le site web officiel. Un crédit supplémentaire est volontaire et n'impose aucune exigence au-delà de la licence applicable.

Niveaux de preuve (ne jamais confondre)

  1. Source/statique : code, manifests, ressources, hash, schéma de chronologie. Preuve structurelle uniquement.
  2. Numérique/rejeu : assertions d'images clés/interpolation reproductibles. Preuve mathématique uniquement.
  3. Navigateur local : pixels/DOM/console pour un package extrait exact. Pas de preuve en direct hébergée.
  4. Navigateur hébergé : URL réelle, HTTP/MIME/cache et comportement du navigateur. Pas un téléphone physique.
  5. Appareil réel : défilement natif, typographie et observation tactile sur du matériel réel.

Séquence d'audit

  1. Enregistrer le build ZIP exact, URL, SHA-256, révision, référence approuvée, appareil/navigateur, cache, date et périmètre accordé. Traiter les données inconnues comme NON TESTÉ, pas PASS.
  2. Choisir le profil de rendu : réutilisation de source axée sur l'image, continuité source 3D ou image/vidéo. Ne pas exiger de preuve de scène 3D pour le profil axé sur l'image. Lire profils et intégrité scientifique.
  3. Valider la progression locale du chapitre de la chronologie visuelle, les pistes ID/espace/compact, les coordonnées et l'interpolation, en utilisant scripts/validate_visual_timeline.py. Vérifier les positions rendues des rails communs SAFE/YALDA, le non-chevauchment, le confinement du modèle et les transitions inverses séparément dans le navigateur. Lire chronologie, rail.
  4. Inspecter la boîte englobante réelle de chaque légende, les collisions de glyphes, le texte tronqué, l'opacité, l'alignement des événements, l'ancrage de la scène, la police réactive et la couverture lisible continue. Un seuil d'opacité seul ne prouve jamais la lisibilité. Lire relais de légende et typographie.
  5. Mesurer le chargement des médias et l'état de préparation au décodage : demandé -> récupéré -> décodé -> affiché -> présenté n'est pas une seule étape. Distinguer l'échantillonnage de l'indice d'entrée des médias absents, de la planification obsolète et des trames du compositeur manquées. Les FPS du navigateur ne peuvent pas être déduits des comptes requestAnimationFrame. Voir lacunes médias, test navigateur, HAR/trace.
  6. Vérifier la réversibilité du défilement, la cible d'élan adaptative/le décalage d'affichage, l'inversion rapide de direction, le redimensionnement, le mouvement réduit, le repli d'affiche (poster fallback), le tactile/mobile, l'accessibilité, le texte alternatif et la sémantique HTML, la latence CPU/décodage et les longues trames là où des preuves existent. Voir élan, matrice R4, SEO/accessibilité.
  7. Confirmer les hashs des médias originaux et l'interprétation technique ; distinguer les contours de contrainte conceptuelle des résultats SSI validés numériquement. Vérifier l'enregistrement du correctif/plan et l'absence de dégradation de l'image R1.
  8. Identifier les étapes de reproduction minimales et séparer les constatations mesurées des hypothèses. Évaluer la sévérité et la cause racine probable, lister les preuves explicites manquantes. Voir portes d'acceptation et gouvernance des preuves.

Outils

  • analyze_har.py, analyze_chrome_trace.py, analyze_frame_log.py, asset_budget.py, video_budget.py (ffprobe optionnel) — analyse hors ligne ; ne jamais fabriquer de données de performances réseau/manquantes.
  • validate_visual_timeline.py, audit_caption_coverage.py, audit_hero_html.py, audit_scroll_momentum.py, validate_motion_contract.py, validate_text_overlays.py — statique/uniquement basé sur les logs.
  • media_budget_contract.py, work_budget_guard.py, checkpoint_manager.py — vérifications contrôlées des médias/coûts/points de contrôle. Ne jamais revendiquer un accès direct au quota de travail.
  • Les données de fixture dans assets/ sont explicitement synthétiques et NE DOIVENT PAS être citées comme observations du site.

Livrer et arrêter

Rapporter PASS / FAIL / NON TESTÉ / BLOQUÉ par critère, source/hash exact affecté, captures d'écran/logs réels pertinents du navigateur, étapes reproductibles, plan correctif proposé en lecture seule, risques et porte de décision du propriétaire. Préserver la ligne de base de bureau acceptée lorsqu'un problème uniquement mobile est en cours d'audit. Un GO séparé est nécessaire pour les modifications et le déploiement.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills associés