Stage, commit et push les modifications git avec des messages de commit conventionnels. Utilisez-le lorsque l'utilisateur veut commit et push des modifications, mentionne un push vers un dépôt distant ou demande de sauvegarder et push son travail. S'active également lorsque l'utilisateur dit « push changes », « commit and push », « push this », « push to github » ou des demandes similaires liées au workflow git.
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Exécutez automatiquement le linting, les tests de régression et les tests manuels pour garantir la qualité du code.
Créez des tâches de correction/refactorisation ciblées lorsque les tests échouent, afin de rationaliser le débogage.
Pour garantir la fiabilité, ne finalisez les histoires qu'après avoir vérifié que tous les tests sont validés.
Surveiller les taux de réussite/échec pour améliorer les performances de l'équipe et les normes de code.
GAIN MESURÉ
Avantages prouvés et impact mesurable
Détectez les défauts tôt grâce aux tests automatisés, réduisant ainsi le temps de correction.
Réduisez les efforts de test manuel en automatisant les contrôles qualité.
Livrez plus rapidement des fonctionnalités en vous assurant que les histoires respectent les critères de qualité dès le départ.
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
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.
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
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.
Accédez aux plus de 200 millions de structures de protéines prédites par l'IA d'AlphaFold. Récupérez les structures par ID UniProt, téléchargez les fichiers PDB/mmCIF, analysez les indicateurs de confiance (pLDDT, PAE), pour la découverte de médicaments et la biologie structurale.