Cette compétence doit être utilisée lorsque les utilisateurs ont besoin de récupérer des problèmes GitHub depuis le référentiel actuel, y compris l'obtention du prochain problème sur lequel travailler, la récupération de champs spécifiques du problème (corps, numéro, titre, étiquettes, etc.) ou la consultation de problèmes avec tri et filtrage personnalisés. Elle se déclenche sur des demandes comme « obtenir le prochain problème GitHub », « quel est le numéro du prochain problème », « montre-moi le corps du problème » ou « trouver les problèmes avec l'étiquette X ».
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Vérifie automatiquement l'exhaustivité des stories avant de les déplacer vers À faire.
Reformate les tâches pour les conformer aux modèles et aux standards d'histoires de l'équipe.
Signale les tâches surconçues et suggère des simplifications pour plus de clarté.
Garantit que les tâches sont conformes aux principes SOLID pour un code maintenable.
GAIN MESURÉ
Avantages prouvés et impact mesurable
Réduit le temps de révision manuel en automatisant la validation et la mise en forme.
Réduit au minimum les retouches en appliquant des normes avant approbation.
Accélère la vélocité en optimisant les processus de raffinage du backlog.
CE QUE VOUS OBTENEZ
Fichiers, tags et installation en trois étapes
Conseil : Lisez la documentation et le code avant la première utilisation pour connaître son rôle et les permissions requises.
SCRIPTS SUIVANTS
Recommandé selon les tags et la catégorie
Système de génération d'agents de code Claude qui crée des agents et sous-agents personnalisés avec un en-tête YAML amélioré, des modèles d'accès aux outils et un support d'intégration MCP conformément à des modèles de production éprouvés
Plateforme de laboratoire en nuage pour les tests et la validation automatisés des protéines. Utilisez-la lors de la conception de protéines et lorsque vous avez besoin de validation expérimentale incluant des tests de liaison, des tests d'expression, des mesures de thermostabilité, des tests d'activité enzymatique ou l'optimisation des séquences protéiques. Utilisez-la également pour soumettre des expériences via API, suivre l'état des expériences, télécharger les résultats, optimiser les séquences protéiques pour une meilleure expression à l'aide d'outils informatiques (NetSolP, SoluProt, SolubleMPNN, ESM) ou gérer les flux de travail de conception de protéines avec validation en laboratoire humide.
Cette compétence doit être utilisée pour les tâches d'apprentissage automatique sur séries temporelles, y compris la classification, la régression, le clustering, la prévision, la détection d'anomalies, la segmentation et la recherche de similarité. Utilisez-la lors du travail avec des données temporelles, des motifs séquentiels ou des observations indexées dans le temps nécessitant des algorithmes spécialisés au-delà des approches ML standard. Particulièrement adaptée à l'analyse de séries temporelles univariées et multivariées avec des APIs compatibles scikit-learn.
Générez et maintenez les fichiers AGENTS.md conformément à la convention publique agents.md. Utilisez-le lors de la création de documentation pour les flux de travail des agents IA, les guides d’intégration ou lors de la standardisation des modèles d’interaction des agents à travers les projets.