Communitygithub.com

persistência-em-atores-swift

Persistência de dados thread-safe em Swift usando atores — cache em memória com armazenamento em arquivo, eliminando condições de corrida por design. Use ao persistir dados em Swift e um problema de corrida de dados ou segurança de thread precisa ser eliminado.

O que é persistência-em-atores-swift?

Este skill fornece padrões para construir camadas de persistência de dados thread-safe em Swift usando o modelo de atores. Ele combina cache em memória com armazenamento em arquivo, aproveitando o modelo de atores para eliminar condições de corrida em tempo de compilação. É ideal para desenvolvedores construindo aplicativos offline-first ou qualquer sistema que precise de acesso concorrente seguro a estado mutável compartilhado em Swift 5.5+. O padrão principal é um repositório genérico baseado em ator que oferece operações CRUD assíncronas, com leituras rápidas do cache e escritas atômicas em disco. O skill também descreve como integrar com `@Observable` ViewModels para atualizações reativas da interface do usuário, e inclui decisões de design, melhores práticas e anti-padrões para evitar.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/swift-actor-persistence

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Atores Swift para Persistência Thread-Safe

Padrões para construir camadas de persistência de dados thread-safe usando atores Swift. Combina cache em memória com armazenamento em arquivo, aproveitando o modelo de atores para eliminar condições de corrida em tempo de compilação.

Quando Ativar

  • Construindo uma camada de persistência de dados em Swift 5.5+
  • Precisa de acesso thread-safe a estado mutável compartilhado
  • Quer eliminar sincronização manual (locks, DispatchQueues)
  • Construindo aplicativos offline-first com armazenamento local

Padrão Principal

Repositório Baseado em Ator

O modelo de ator garante acesso serializado — sem condições de corrida, imposto pelo compilador.

public actor LocalRepository<T: Codable & Identifiable> where T.ID == String {
    private var cache: [String: T] = [:]
    private let fileURL: URL

    public init(directory: URL = .documentsDirectory, filename: String = "data.json") {
        self.fileURL = directory.appendingPathComponent(filename)
        // Carregamento síncrono durante init (isolamento do ator ainda não ativo)
        self.cache = Self.loadSynchronously(from: fileURL)
    }

    // MARK: - API Pública

    public func save(_ item: T) throws {
        cache[item.id] = item
        try persistToFile()
    }

    public func delete(_ id: String) throws {
        cache[id] = nil
        try persistToFile()
    }

    public func find(by id: String) -> T? {
        cache[id]
    }

    public func loadAll() -> [T] {
        Array(cache.values)
    }

    // MARK: - Privado

    private func persistToFile() throws {
        let data = try JSONEncoder().encode(Array(cache.values))
        try data.write(to: fileURL, options: .atomic)
    }

    private static func loadSynchronously(from url: URL) -> [String: T] {
        guard let data = try? Data(contentsOf: url),
              let items = try? JSONDecoder().decode([T].self, from: data) else {
            return [:]
        }
        return Dictionary(uniqueKeysWithValues: items.map { ($0.id, $0) })
    }
}

Uso

Todas as chamadas são automaticamente assíncronas devido ao isolamento do ator:

let repository = LocalRepository<Question>()

// Leitura — consulta O(1) rápida do cache em memória
let question = await repository.find(by: "q-001")
let allQuestions = await repository.loadAll()

// Escrita — atualiza o cache e persiste no arquivo atomicamente
try await repository.save(newQuestion)
try await repository.delete("q-001")

Combinando com @Observable ViewModel

@Observable
final class QuestionListViewModel {
    private(set) var questions: [Question] = []
    private let repository: LocalRepository<Question>

    init(repository: LocalRepository<Question> = LocalRepository()) {
        self.repository = repository
    }

    func load() async {
        questions = await repository.loadAll()
    }

    func add(_ question: Question) async throws {
        try await repository.save(question)
        questions = await repository.loadAll()
    }
}

Principais Decisões de Design

DecisãoJustificativa
Ator (não classe + lock)Segurança de thread imposta pelo compilador, sem sincronização manual
Cache em memória + persistência em arquivoLeituras rápidas do cache, escritas duráveis no disco
Carregamento síncrono no initEvita complexidade de inicialização assíncrona
Dicionário chaveado por IDConsultas O(1) por identificador
Genérico sobre Codable & IdentifiableReutilizável em qualquer tipo de modelo
Escritas atômicas (.atomic)Previne escritas parciais em caso de falha

Melhores Práticas

  • Use tipos Sendable para todos os dados que cruzam fronteiras do ator
  • Mantenha a API pública do ator mínima — exponha apenas operações de domínio, não detalhes de persistência
  • Use escritas .atomic para prevenir corrupção de dados se o aplicativo falhar no meio da escrita
  • Carregue sincronamente no init — inicializadores assíncronos adicionam complexidade com benefício mínimo para arquivos locais
  • Combine com ViewModels @Observable para atualizações reativas da interface

Anti-Padrões a Evitar

  • Usar DispatchQueue ou NSLock em vez de atores para código de concorrência novo
  • Expor o dicionário interno de cache para chamadores externos
  • Tornar a URL do arquivo configurável sem validação
  • Esquecer que todas as chamadas de método do ator são await — chamadores devem lidar com contexto assíncrono
  • Usar nonisolated para contornar o isolamento do ator (derrota o propósito)

Quando Usar

  • Armazenamento local de dados em aplicativos iOS/macOS (dados do usuário, configurações, conteúdo em cache)
  • Arquiteturas offline-first que sincronizam com um servidor posteriormente
  • Qualquer estado mutável compartilhado que múltiplas partes do aplicativo acessam concorrentemente
  • Substituir segurança de thread legada baseada em DispatchQueue por concorrência Swift moderna

Individual skills in this repo

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

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Habilidades Relacionadas