Community이미지github.com

grahama1970/ask

사용자가 프로젝트 메모리 조회, 오라클 질문, 지원되는 브라우저 기반 리뷰어 실행, Tau 원탁회의/단일 핸들러 워크플로우, Pi 내 Pi-네이티브 서브에이전트 호출, persona/deep-review 워크플로우 실행, 이미지 프롬프트 생성, 합성 스킬을 통한 OS/프로젝트 상태 확인, 또는 ask DAG 실행을 요청할 때 사용합니다. 이 스킬은 실행 가능한 /ask 런타임입니다. 비공식 서브에이전트, 일반 웹 검색, 또는 수동 리뷰로 대체하지 마십시오. Pi 내부에서 명시적인 Pi-네이티브 서브에이전트 대상은 pi-subagents 도구를 통해 Ask 대상 유형으로 라우팅됩니다.

ask란 무엇인가요?

이 스킬은 `grahama1970/ask`라는 실행 가능한 Ask 런타임으로, Claude Code, Cursor, Codex와 같은 AI 에이전트 플랫폼에서 다양한 고급 작업을 오케스트레이션하고 실행하는 강력한 진입점 역할을 합니다. 주요 사용 사례로는 메모리 기반 질문, 오라클 답변, WebGPT/WebClaude와 같은 브라우저 기반 리뷰어 실행, Tau 원탁회의/경쟁/생성자-리뷰어 워크플로우, Pi 내 Pi-네이티브 서브에이전트 호출, GitHub 이슈 진단 및 수정 등이 있습니다. 이 런타임은 DAG(Directed Acyclic Graph) 기반 오케스트레이션을 통해 브라우저 핸들러, API 모델, Herdr 세션, Pi-네이티브 서브에이전트를 통합하여 작업을 처리합니다. 핵심 원칙으로는 불변 목표 설정, 비가상적 실패(fail-closed) 처리, 런타임 아티팩트 보존, 브라우저 탭 가시성 관리(예: 동시 브라우저 핸들러에 대해 격리된 창 사용), 그리고 선호하는 복구 방법을 위해 메모리에 실행 기록을 기록하는 것이 포함됩니다. 엄격한 전제 조건 확인(예: 원탁회의에 불변 목표 필요)과 자세한 참조 문서(예: `references/diagnosis.md`)를 통해 신뢰할 수 있는 실행을 보장하며, 각 스킬 인스턴스가 동작을 해석하거나 발명하지 않고 지정된 런타임 경로를 올바르게 사용하도록 강제합니다.

지원 대상✓Claude Code✓Codex CLI✓Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/ask

Installed? Explore more 이미지 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

ask은(는) 무엇을 하나요?

중지 먼저

사용자가 $ask, /ask, ask 모드, oracle, deep review, parallel review, roundtable, argue, CAE gap review, 또는 ask DAG를 언급하면, 행동하기 전에 이 전체 파일을 읽으십시오. 그런 다음 사용자가 명시적으로 대체 방식을 요청하거나 런타임을 사용할 수 없고 해당 대체 방식이 보고되지 않는 한, 실제 런타임 진입점을 사용하십시오.

spawn_agent, 일반 모델 호출, 일반 웹 검색, 수동 요약 또는 발명된 리뷰를 $ask 대신 사용하지 마십시오.

런타임 진입점

이 디렉토리에서 명령을 실행하십시오. /skill:ask webgpt What is 2 + 2?와 같은 Pi 스킬-명령 구문은 일급 바로가기입니다. 선행 브라우저 핸들러(webgpt, webclaude, webkimi, webgemini 또는 webgrok)는 --execute --json과 함께 Tau single-call 브라우저-핸들러 DAG로 라우팅됩니다. $ask webgpt What is 2 + 2?와 같은 인라인 Pi 스킬 참조 및 띄어쓰기가 있는 자연어 철자 $ask web gpt What is 2 + 2?도 동일하게 처리해야 합니다(web gpt는 webgpt로 정규화됨). 이는 Pi 사용자를 위한 호환성 바로가기일 뿐입니다. 제거된 직접 WebGPT 오라클 경로를 사용해서는 안 됩니다.

./run.sh tau-dag "<request>"는 내부적으로 Typer tau-dag run 하위 명령에 매핑됩니다. ./run.sh team-plan "<request>" --team <preset>은 역할 기반 다중 에이전트 계획과 고정된 Tau DAG 미리보기를 렌더링합니다. 실행에는 명시적인 --execute --live가 필요합니다(README "Team Orchestration" 참조).

cd skills/ask
./run.sh --help
./run.sh webgpt What is 2 + 2?
./run.sh webgpt --compile-only What is 2 + 2?
./run.sh ask --help
./run.sh tau-dag run --help

모든 중요 실행은 런타임 아티팩트를 보존해야 합니다. 표준 아티팩트 세트는 다음과 같습니다.

  • <ask_id>.request.json
  • <ask_id>.status.json
  • <ask_id>.events.jsonl
  • review.md, review.json, DAG 매니페스트 또는 브라우저 증거와 같은 모드별 출력

런타임 아티팩트는 기본적으로 .ask_artifacts/runs/<ask_id> 아래 또는 제공된 --run-output-root에 저장됩니다. 길거나, 실시간이거나, 생성된 실행의 경우 /mnt/storage12tb/skills/ask/outputs/...와 같은 스토리지 기반 루트를 선호합니다. 생성된 ask 아티팩트를 커밋하지 마십시오.

실행된 모든 핸들러 호출(성공 또는 실패)은 실행 체크포인트에서 ask_call_log 컬렉션의 $memory에 기록되며, 핸들러, 상태, failure_code, controlled_tab_id/대화 URL(있는 경우) 및 마지막 성공 호출의 입증된 방법(추론 선택, 탭 바인딩, 수명 주기 모드, 비밀번호가 삭제된 디스패치 명령)이 포함됩니다. 모델 ID는 컴파일 시 실시간 SciLLM 카탈로그에 대해 검증됩니다(invalid_scillm_model_id는 가장 가까운 유효한 대안과 함께 BLOCKED됨). 3회 이상 연속 실패가 기록된 브라우저 시트는 디스패치 전에 알려진 불량으로 플래그 지정되며 실패 코드가 포함됩니다. 시트에 의존하기 전에 확인하십시오: python3 skills/ask/scripts/ask_call_history.py --handler webgemini는 마지막 성공 호출과 최근 실패를 출력합니다. 재사용할 정확한 입증된 방법을 위해 --recommend를 추가하십시오. 기록된 성공이 없는 핸들러는 맹목적인 추측입니다. 먼저 컴파일 전용으로 실행하거나 저렴하게 프로브하십시오. 과거 실행은 역채울 수 있습니다: python3 skills/ask/scripts/backfill_call_log.py [outputs-root]는 디스크의 모든 노드 영수증을 멱등적으로(실행+노드당 결정적 _key) 수집합니다. 실행된 각 실행의 결과 JSON(및 execution-status.json)에는 handler_last_success도 포함됩니다: 시트별 메모리의 마지막 성공 방법(대화 URL, 탭, 수명 주기/레이아웃), 현재 연속 실패 및 피해야 할 실패 코드는 실행을 소비한 후 프로젝트 에이전트가 별도의 기록 조회를 수행할 필요가 없도록 컨텍스트에 반환됩니다.

심층 참조 (필요 시 읽기)

이 작업을 수행하기 전에읽기
계획 파일이 있는 team-plan; status --run --projectionreferences/plans-and-status.md
명시적인 Pi-네이티브 서브에이전트 대상references/pi-subagents.md
ask 출력(one-shot/roundtable/compete/clean-room)을 서브에이전트 레인으로 전환references/lane-handoff.md
herdr list/who/send를 다른 에이전트 창으로references/herdr.md
one-shot 대 roundtable 대 compete 선택; 모델/노력 선택기references/modes.md
패널 감사, 시트 명단, 속도 제한 시트, webclaude 정책references/seats-and-audits.md
실시간 실행 실행/감독 (모니터링, 창, 페이로드 매트릭스, 차단 해제, 드리프트)references/operations.md
실행 실패 시references/diagnosis.md
다중 시트 DAG 컴파일/실행 (roundtable/compete/creator-reviewer)references/workflows.md
브라우저 핸들러 실행 시references/browser.md

네 가지 대상 유형

/ask는 네 가지 동등한 대상 유형을 다룹니다. 이들은 지위가 아닌 전송 방식에서 차이가 있습니다:

대상예시전송 소유자
Herdr 세션 — 창에 있는 실시간 에이전트memory, w11:p13$monitor-herdr (herdr pane run 경유)
모델 호출 — API/모델 핸들러gpt-5.5-high, Codex-opus-5-high, deepseek-ai/DeepSeek-V3.2-TEE$tau (SciLLM은 Tau 내부)
웹 모델 — 브라우저 기반 리뷰어 (채팅 탭, 에이전트 모델이 아님; 아래 webclaude 경고 참조)webgpt, webclaude, webkimi$surf + $browser-oracle
Pi-네이티브 서브에이전트 — 로컬 Pi 자식 어드바이저/작업자pi reviewer, subagent general-purpose, local coderpi-subagents 네이티브 subagent 도구

프로젝트 에이전트는 대상을 지정하는 것 이상으로 어느 쪽이 브라우저, 모델, Herdr 세션 또는 Pi-네이티브 서브에이전트인지 신경 쓸 필요가 없습니다.

프로젝트-에이전트 빠른 시작

사용자가 단일 모델 호출, 원탁회의, 경쟁 또는 생성자-리뷰어 루프를 요청할 때 여기서 시작하십시오. 다음 형태 중 하나를 사용하십시오. 사용자 지정 오케스트레이션 경로를 발명하지 마십시오.

사용자 의도명령 형태
하나의 핸들러가 답변./run.sh tau-dag "<task>" --repo <repo> --target <target> --immutable-goal "<goal>" --handler <handler-or-model> --execute --json
원탁회의./run.sh tau-dag "<shared task>" --repo <repo> --target <target> --immutable-goal "<goal>" --dag-template roundtable --handler <a> --handler <b> --topology concurrent --execute --json
경쟁./run.sh compete "<isolated task>" --repo <repo> --target <target> --immutable-goal "<goal>" --handler <a> --handler <b> --criterion <criterion> --execute --json
One-shot (시트당 독립 답변, 합의 없음)./run.sh one-shot "<question>" --handler <a> --handler <b> --handler <c> — N개의 독립적인 단일 호출 레인이 동시에 실행됩니다. 각 레인은 자체 논스 바인딩 답변 또는 명명된 차단자를 반환합니다. 부분 답변은 DEGRADED-but-usable입니다(종료 코드 0, --min-answered 이상인 경우). 원탁회의의 정족수 거부는 여기에 적용되지 않습니다.
Pi 내부의 Pi-네이티브 서브에이전트subagent({ action: "list" }), 그 다음 subagent({ agent: "<agent>", task: "<task>" }) 또는 하나의 workflowScript 팬아웃. 이는 명시적인 pi/subagent/local reviewer 대상에만 해당됩니다. Tau/브라우저 핸들러의 대체품이 아닙니다.
생성자 후 리뷰어./run.sh tau-dag "<creator task then reviewer verdict>" --repo <repo> --target <target> --immutable-goal "<goal>" --dag-template creator-reviewer --handler <creator> --handler <reviewer> --topology sequential --execute --json
GitHub 이슈 진단/수정/종료./run.sh fix-issues --repo <owner/name> --issue <N> [--issue <M>] [--handler gpt-5.5] [--execute] — gh를 통해 각 이슈를 수집하고, 디버거 사다리 게이트(needs_debugger는 실패 전환이 아티팩트로 설명할 수 없는 프로세스 내 런타임 상태인 경우에만 $debugger를 권장)를 통해 실시간 one-shot 핸들러로 진단하여 구조화된 원인/수정 JSON을 생성하며, 실패 시 종료됩니다. 기본값은 드라이 런입니다. --execute는 명명된 확인 명령(일반적으로 $agentic-evals 픽스처)이 실제로 통과한 후에만 이슈를 종료합니다. 확인 없음 → blocked; 확인 실패 → verify-failed, 이슈는 열린 상태로 유지됩니다. 이슈당 영수증은 outputs/fix-issues/ 아래에 있습니다. 게이트: fixtures/fix_issues.json.

핸들러는 전송 방식이 다르더라도 동등합니다. 브라우저 핸들러(webgpt, webclaude, webkimi, webgemini, webgrok)는 $surf 및 $browser-oracle을 통해 실행됩니다. gpt-5.5-high, gpt-5.5-xhigh, Codex-opus-5-high 또는 chutes deepseek-ai/DeepSeek-V3.2-TEE와 같은 API/모델 핸들러는 Tau가 라우팅합니다. 프로젝트 에이전트는 핸들러 이름 지정 외에 어느 쪽이 브라우저 또는 API인지 신경 쓸 필요가 없습니다.

핸들러는 브라우저 기반(webgpt, webclaude, webkimi, webgemini, webgrok, $surf/$browser-oracle 경유) 또는 API 기반(gpt-5.5-high, claude-opus-5-high, chutes <provider/model>, Tau 경유)이든 동등합니다. 다중 시트 DAG를 실행하기 전에 먼저 컴파일하십시오(--execute 생략). 사람에게 인쇄된 ASCII 차트를 보여주고 확인이 있을 때만 실행하십시오. 전체 모드 예제 및 선택기 규칙은 references/modes.md를 참조하십시오. 전체 프로토콜 및 실패 시 종료 테이블은 references/workflows.md를 참조하십시오.

모든 실행에 대한 비협상 사항

  • 명시적인 불변 목표(--immutable-goal 또는 레이블이 지정된 Immutable goal: 줄)는 원탁회의, 생성자-리뷰어 및 경쟁에 필요합니다. 목표가 없으면 핸들러에 연락하기 전에 NEEDS_INTERVIEW와 함께 사전 점검에 실패합니다.
  • 원탁회의는 항상 모든 시트에 동일한 패킷을 사용하는 --topology concurrent입니다. 경쟁 후보는 격리되며 서로를 절대 볼 수 없습니다.
  • 실행된 DAG는 실행의 JSON 스트림 아티팩트(events.jsonl, dag-progress.json, 노드 영수증, execution-status.json)를 통해 최종 평결까지 모니터링되어야 합니다. 실행만 하고 떠나지 마십시오.
  • PASS는 리뷰어/모델 증거일 뿐입니다. 로컬 종료에는 결정적 로컬 증거가 필요합니다. DEGRADED/NEEDS_ATTENTION/속도 제한은 레인-로컬입니다: 사용 가능한 시트를 유지하고 실패한 레인의 복구 패킷을 따르십시오.
  • 비스트리밍 API 완료는 텍스트가 증거로 간주되기 전에 finish_reason=stop으로 입력된 승인을 통과해야 합니다. 잘리거나, 필터링되거나, finish_reason이 누락되었거나, 잘못된 형식의 완료는 scillm_response_incomplete를 발생시킵니다. 원시 바이트와 response.meta.json 유효성 검사 오류를 보관하십시오. 부분 평결 텍스트를 복구하거나 자동으로 재시도하지 마십시오. 보관 사례: completion-admission-rejects-truncation (캡처된 재생) 및 completion-admission-live-positive (실제 공급자 읽기).
  • 실패는 무음이 아닙니다: 모든 실패한 레인은 failure_code, 복구 패킷 및 next_command/티켓 지침을 노출합니다. 실패 시 references/diagnosis.md를 읽고 이론화하기 전에 소유 영수증에 따라 조치하십시오.
  • 직접 WebGPT 오라클 라우팅($ask chatgpt, --oracle-backend webgpt, --webgpt-*)은 실패 시 종료됩니다. Tau 브라우저 핸들러는 계속 지원됩니다.
  • 후속 작업 연속성: 모든 브라우저 레인의 노드 영수증 / response.meta.json은 controlled_tab_id와 대화 URL을 전달해야 합니다. null 탭 ID는 실패한 핸드오프입니다. 사용자가 명확화 또는 후속 질문을 할 수 있는 경우 --browser-tab-lifecycle fresh-keep(또는 reuse-bound)으로 실행하십시오. 기본 auto/fresh-temporary는 실행 후 창을 닫아 대화를 종료합니다. 실행 후 탭 ID + 대화 URL을 보고하고 바인딩하십시오(skills/browser-oracle/run.sh bind <project> --backend <b> --tab-id <id> --url <url> --manual). 이렇게 하면 후속 작업이 동일한 세션을 대상으로 합니다.
  • 탭 가시성 게이트 (2026-09-15 관찰, webgemini): 일부 제공업체(특히 Gemini)는 탭이 숨겨진 문서인 동안 컴포저 전송을 연기합니다. 공유 창에서는 하나의 탭만 전면에 있을 수 있으므로 N개의 동시 레인 중 N-1개는 항상 숨겨져 prompt_too_large_or_stalled("보내기 후에도 프롬프트가 컴포저에 남아 있음")로 중단됩니다. 따라서 동시 브라우저 레인은 기본적으로 격리된 창(시트당 하나의 창, 리뷰어 데스크탑에 배치)을 사용하여 모든 레인 탭이 보이는 문서가 되도록 합니다. --window-layout shared는 옵트인입니다. 이미 입력이 완료된 중단된 컴포저는 복구 가능합니다: skills/surf/run.sh tab.switch <id>는 탭을 보이게 하고 대기 중인 전송을 디스패치합니다. 이 실패 클래스에 대해 프롬프트를 축소하기 전에 document.visibilityState를 확인하십시오. 검증된 시트별 작동 방법은 $memory(ask_call_log 키 ask:method:webgemini; ask_call_history.py --handler webgemini --recommend 참조)에 저장됩니다.
  • webclaude는 claude.ai 채팅 탭이며 테스트 전용입니다. 에이전트 Claude가 아닙니다. claude-fable-low, 그 다음 claude-opus-4-8-high를 선호하십시오(references/seats-and-audits.md 참조).

모드 라우터

사용자 요청과 일치하는 가장 좁은 모드를 사용하십시오.

요청런타임 패턴필수 세부 사항
메모리 기반 질문./run.sh ask "<question>" --json해당되는 경우 범위를 포함하십시오.
오라클 답변./run.sh ask "<question>" --oracle ... --json요청 시 백엔드/모델/페르소나를 명시적으로 선택하십시오.
Pi 브라우저-핸들러 바로가기/skill:ask webgpt What is 2 + 2?에서 ./run.sh webgpt What is 2 + 2?--handler webgpt --execute --json과 함께 Tau single-call로 다시 작성됩니다. 실시간 브라우저 전송 없이 DAG를 내보내려면 --compile-only를 사용하십시오.
단일 명명된 핸들러./run.sh tau-dag "<request>" --handler <handler-or-model> --json브라우저 핸들러는 $surf를 사용합니다. 비브라우저 핸들러는 Tau가 라우팅하는 $scillm 모델 이름입니다. 실시간 전송을 위해 --execute를 추가하십시오.
Pi-네이티브 서브에이전트 대상네이티브 Pi subagent 도구, subagent({ action: "list" }) 이후Pi 내부에서 실행 중이고 사용자가 명시적으로 pi, subagent, pi-subagent, local reviewer 또는 local coder를 명명하는 경우에만 해당됩니다. 브라우저/모델/Tau Ask 요청은 이 경로를 사용하지 않습니다.
다중 핸들러 원탁회의./run.sh tau-dag "<request>" --handler webclaude --handler gpt-5.5 ... --topology concurrent --execute --json원탁회의는 프롬프트-투-Tau-DAG입니다. 브라우저 핸들러는 기본적으로 Ask 소유의 새 창을 얻습니다. browser-tab-lifecycle.json, dag.json, 명령 사양, 핸들러 영수증 및 조인 영수증을 보존하십시오.
경쟁/베이크오프./run.sh compete "<task>" --handler webgpt --handler webclaude --handler gpt-5.5-high --criterion deterministic-proof --execute --json격리된 후보와 경쟁 점수표 및 승자 연속 요청. 브라우저/API 핸들러는 동등합니다. 프로젝트 에이전트는 승격 전에 기능을 로컬로 확인해야 합니다.
생성자-리뷰어 루프./run.sh tau-dag "<creator task then reviewer verdict>" --repo ... --handler <creator> --handler <reviewer> --topology sequential --execute --json브라우저 핸들러는 순차적; 리뷰어는 컴파일 전에 생성자의 출력을 봅니다. references/workflows.md의 '생성자-리뷰어'를 읽으십시오.
모든 것 진단/수정/종료./run.sh fix-issues --repo <owner/name> --issue <N> ...빠른 시작 테이블의 마지막 행을 참조하십시오. NEEDS_INTERVIEW/blocked에 실패 시 종료됩니다.

경고 및 차단 규칙

  • 브라우저 핸들러는 API 핸들러보다 느리며 (네트워크 지연, 인간 속도 타이핑, UI 상태) 조절 및 리소스 경합이 발생하기 쉽습니다. 실시간 실행을 위해 둘 이상의 브라우저 핸들러를 예약할 때는 이 점을 고려하십시오. 컴파일 전용 프로브를 먼저 사용하십시오.
  • execute 없음: 드라이 런 모드. 컴파일 및 미리보기 전용. 실행하지 않습니다. --execute가 명시적으로 제공되거나 execute가 true인 DAG 매니페스트를 통해 실행을 확인할 때까지 execute가 누락된 것을 오류로 처리하지 마십시오.
  • 출력 크기: webgpt와 같은 브라우저 핸들러는 종종 API 모델보다 짧은 출력을 생성합니다. 예를 들어 출력 토큰 제한, 컴포저 버퍼 제한, 또는 UI 스크롤 동작 때문입니다. 긴 형식의 출력이 필요한 작업의 경우 ---를 생성기 모드로 명시적으로 설정하거나 파일/스니펫 전송(webgemini는 g.co/gemini/share를 통해) 또는 API 기반 모델(gpt-5.5-high, claude-opus-5-high)을 선호하십시오.
  • 실시간 대화는 API 호출이 아닌 브라우저 탭에서 발생합니다. $surf 또는 $browser-oracle 출력은 증거로 사용되지만 작업 에이전트와 동일한 프로세스 수명 주기를 공유하지 않습니다. 작업 에이전트가 충돌하거나 재설정되면 브라우저 세션이 분리될 수 있습니다. 이에 대한 회복력을 위해 설계하십시오.
  • 탭 가시성 게이트: 동시 브라우저 레인에서 N-1개는 기본적으로 숨겨져 있습니다. 격리된 창을 사용하거나(--window-layout isolated), 컴파일 전용 검증을 사용하거나, 프로브 먼저 사용하십시오. webgemini는 숨겨진 탭에서 전송을 연기합니다. 검증된 시트별 방법은 ask_call_log를 통해 사용할 수 있습니다.
  • webclaude는 claude.ai 채팅 탭입니다. 에이전트가 아닙니다. 에이전트 Claude 작업에는 claude- 모델(claude-sonnet-8-high)을 사용하십시오. webclaude 브라우저 탭은 '기능 미리보기'에 대해 테스트 전용이며, '에이전트 Claude' 기능이 브라우저 채팅을 넘어 API에 도달하는 경우 제한될 수 있습니다.
  • 브라우저 탭 수명 주기: 기본값은 fresh-temporary(실행 후 창 닫기)입니다. 후속 작업이 예상되는 경우 fresh-keep(실행 후 창 유지) 또는 reuse-bound(실행 간 탭 재사용, 수동으로 바인딩된 경우에만 해당)로 재정의하십시오.
  • 직접 오라클 경로는 차단됨: $ask chatgpt ...와 같은 직접 경로는 실패 시 종료됩니다. --oracle-backend webgpt와 같은 플래그도 차단됩니다. 모든 브라우저 핸들러 경로는 Tau browser-handler DAG를 통해 이루어져야 합니다.
  • 환경별 엄격함: CI=true 또는 --production이 설정된 경우 validate_command는 모든 $ 참조가 유효한 확인된 도구 이름인지 확인합니다. 실패 시 차단됩니다.
  • 지식 차단: ask_003 스킬이 로드 중인 경우 references/, scripts/, fixtures/ 외부의 지식 파일에서 읽는 경우에도 $ask 실행을 참조하십시오. 스킬이 없는 질문에 대해 발명하지 마십시오.

Individual skills in this repo

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

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agent-inbox

File-based inter-agent messaging with headless dispatch. Check inbox, send bugs/requests to other projects, automatically spawn headless agents to fix bugs, and track progress via task-monitor.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/agent-status

Artifact-driven status surfaces for long-running project-agent work. Maintains status.json, events.jsonl, proof manifests, and a stale-aware STATUS.html so humans can tell where the agent is, what passed, what is still unproven, and what decision or action is next — without dashboard theater.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/argue

Multi-persona structured debate orchestrator. Personas research via /dogpile, consult colleagues via /ask, and argue toward nuanced synthesis on complex questions.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

grahama1970/batch-quality

Pre-flight validation and quality gates for batch LLM operations. ACTUALLY tests samples through LLM before burning tokens. Uses SPARTA contracts for DuckDB validation queries. Integrates with task-monitor for enforced quality gates.

관련 스킬