Skills Duel — 19 octobre 2025

1

Tq (Grade A)

Compétence de développement testée à la sécurité pour Claude AI. Grade A. Troc Chaud (MVP local) — redémarrage de l'AppServer Protheus + healthcheck HTTP. Utilisez-le lorsque vous devez redémarrer l'AppServer après `compile` et attendre qu'il revienne pour la testation.

Pas encore d’avisGratuit

Avis complet

Troc Chaud (MVP local) est une compétence de développement testée à la sécurité pour Claude AI. Il redémarre l'AppServer Protheus et effectue une vérification d'État HTTP. Cette compétence est utilisée lorsqu'il faut redémarrer l'AppServer après une compilation et attendre qu'il revienne pour la testation. Il est conçu pour la testation locale MVP et ne fait pas de versionnage, d'édition de RPO ou de reprise, ce qui sont des fonctionnalités généralement requises pour les environnements de production. Pour les environnements de production de niveau prod, les utilisateurs sont redirigés vers l'écriture de leurs propres commandes de redémarrage. La compétence peut être encapsulée avec compile en utilisant l'utilisation de /plugadvpl : déploiement. La base requise du serveur est pour qu'il soit enregistré avec une commande de redémarrage configurée.

• Redémarrera l'AppServer Protheus
• Effectuera une vérification d'État HTTP
• Temps limite configurable et port
• Mode secours pour la test
• Considérations requises pour la testation

2

Bump Cabal Index State (Grade A)

Compétence data‑ai testée en sécurité pour Claude AI. Grade A. Met à jour l’état d’index du projet Cabal à la dernière date. Utilisez lorsqu’il faut mettre à jour l’état d’index de Cabal.

Pas encore d’avisGratuit

Avis complet

Bump Cabal Index State (Grade A) est un script conçu pour mettre à jour l’état d’index d’un projet Cabal à la dernière date disponible. Il automatise le processus de mise à jour de l’état d’index et génère une pull request sur GitHub, si nécessaire. Le script prend en charge différents systèmes de construction, y compris Nix, et est particulièrement utile lorsqu’on utilise haskell.nix. Il prend également en compte le délai potentiel de reconnaissance du dernier état d’index de haskell.nix par rapport à Cabal. Le processus consiste à créer une branche temporaire, exécuter la commande cabal update pour récupérer le dernier état d’index, mettre à jour l’état d’index dans le fichier cabal.project ou dans d’autres fichiers pertinents, valider les modifications, et enfin créer une pull request sur GitHub. Ce script est destiné à être utilisé avec Claude AI et a été testé en matière de sécurité.

• Met à jour l’état d’index de Cabal
• Crée une nouvelle branche pour les changements
• Vérifie la construction du projet avec Nix ou Cabal
• Valide les changements avec un format de message spécifique
• Crée une pull request sur GitHub

3

Document Review (Grade A)

Compétence de développement sécurisée pour Claude AI. Classée A. Révisez les exigences ou les documents de planification à l'aide d'agents de persona parallèles qui mettent en surface les problèmes spécifiques aux rôles.

Pas encore d’avisGratuit

Avis complet

Document Review (Classée A) est une compétence de développement sécurisée pour Claude AI qui revise les exigences ou les documents de planification à l'aide d'agents de persona parallèles pour mettre en surface les problèmes spécifiques aux rôles. Elle aide les utilisateurs à améliorer leurs documents en envoyant des agents de revueurs spécialisés en parallèle, en corrigeant automatiquement les problèmes de qualité et en présentant des questions stratégiques pour prendre des décisions. La compétence fonctionne dans deux modes : interactif et sans tête. En mode interactif, elle s'engage avec l'utilisateur pour affiner et compléter la revue. En mode sans tête, elle retourne des trouvailles sous forme de texte structuré pour que l'appelant les gère, sans prompts interactifs.

• Agents de persona parallèles pour la détection de problèmes spécifiques aux rôles
• Classification de type de document (exigences ou plan)
• Activation conditionnelle des agents de persona en fonction du contenu du document
• Correction automatique des problèmes de qualité
• Présentation de questions stratégiques pour la décision de l'utilisateur

Terraform Patterns est une compétence DevOps éprouvée en matière de sécurité pour Claude AI, conçue spécifiquement pour fournir des modèles Terraform Azure réutilisables. Les modèles inclus sont des compétences de base qui peuvent être appliquées à diverses configurations d'infrastructure, telles que l'architecture en hub-béquerre, les points de terminaison privés, les diagnostics et les modules AVM-TF. Ces modèles visent à simplifier le processus de configuration et de gestion d'infrastructure Azure à l'aide de Terraform, offrant une approche standardisée pour les conceptions d'infrastructure courantes. Cet élément est classé en tant que compétences Grade A, ce qui signifie qu'il possède un haut niveau de test de sécurité et de fiabilité de mise en oeuvre de Terraform Patterns. Les modèles sont conçus pour être facilement intégrés dans les workflows Terraform existants, permettant aux utilisateurs de profiter des avantages des capacités d'infrastructure d'Azure tout en maintenrant un niveau élevé de sécurité et d'efficacité.

• Modèles Terraform hub-and-spoke réutilisables
• Configurations de point de terminaison privé
• Configuration de diagnostic
• Intégration de modules AVM-TF

5

Commit Message Generator (Grade A)

Compétence de développement homologuée pour Claude AI. Grâce A. Générez des messages de commit structurés suivant les Conventions de commit conventionnelle à partir des modifications sur la branche de travail actuelle, des diff, ou des descriptions.

Pas encore d’avisGratuit

Avis complet

La fonction de génération de message de commit est une compétence de développement pour Claude AI qui génère des messages de commit structurés suivant les Conventions de commit conventionnelle à partir des modifications de code, des diffs ou des descriptions. Elle est utilisée lorsque l'utilisateur demande de rédiger un message de commit. La compétence analyse les modifications de code et produit des messages de commit bien structurés respectant les conventions du projet. Elle fonctionne en rassemblant le contexte des modifications, en classant le type de modification, en déterminant la Portée, en écrivant une ligne de sujet et un corps, et en ajoutant un pied de page si nécessaire. Le générateur s'assure que les messages de commit sont dans le format des Conventions de commit conventionnelle, qu'ils ne contiennent pas de secrets ou d'informations internes, et sont concis et descriptifs.

• Génère des messages de commit conventionnels
• Analyse les modifications de code et les diffs
• Classe le type de modification (feat, fix, docs, style, refactor, test, chore, perf, ci)
• Détermine la Portée et écrit une ligne de sujet et un corps
• Ajoute un pied de page avec les changements de rupture, les références aux pièces jointes ou les co-auteurs
• Exige une référence Git et des modifications sur la branche de travail actuelle pour fonctionner efficacement

Cette compétence, Comparative Medicine Search, est utilisée pour trouver des recherches médicales humaines pertinentes susceptibles d'éclairer les décisions cliniques vétérinaires lorsque les preuves spécifiques aux vétérinaires sont insuffisantes. Elle structure le processus de recherche de preuves humaines, d'évaluation de leur applicabilité aux patients vétérinaires et de communication claire des limites de l'extrapolation interspécifique. Elle peut être appliquée dans divers scénarios, tels que lorsqu'il n'existe pas d'études randomisées contrôlées ou de lignes directrices spécifiques à l'espèce, ou lorsqu'un traitement novateur envisagé chez les animaux a une base de preuves dans la médecine humaine. La compétence recherche d'abord des preuves vétérinaires spécifiques à l'espèce, et si insuffisantes, elle recherche sur PubMed humain pour le sujet clinique. Elle évalue la plausibilité biologique de l'application interspécifique en considérant des facteurs tels que la physiopathologie, les cibles des médicaments et les paramètres pharmacocinétiques. Enfin, elle évalue les preuves comparatives comme étant de niveau IV et étiquette clairement toutes les extrapolations interspécifiques dans la sortie. Cette compétence a réussi dans divers domaines médicaux, notamment les maladies cardiaques, l'oncologie, la gestion de la douleur et le diabète, mais elle présente également des limites, telles que lorsqu'elle échoue dans le métabolisme des médicaments en raison de différences spécifiques à l'espèce, ou en médecine comportementale en raison de différences dans les processus cognitifs et comportementaux entre les espèces. Lors de l'utilisation de preuves comparatives, la compétence inclut une déclaration-cadre pour souligner les limites des preuves et la nécessité d'études de validation supplémentaires. En résumé, la compétence Comparative Medicine Search fournit un outil précieux pour les vétérinaires et les chercheurs pour éclairer leurs décisions cliniques lorsque les preuves spécifiques aux vétérinaires sont insuffisantes.

• Recherche de preuves vétérinaires spécifiques à l'espèce
• Recherche sur PubMed humain pour le sujet clinique
• Évaluation de la plausibilité biologique de l'application interspécifique
• Évaluation des preuves comparatives comme étant de niveau IV
• Étiquetage clair de toutes les extrapolations interspécifiques dans la sortie