Performance

postgres-patterns est une fiche pratique de référence rapide PostgreSQL pour l’optimisation des requêtes, la conception de schémas, l’indexation, la Row Level Security et le pool de connexions. Il aide les workflows d’ingénierie des bases de données à prendre des décisions plus rapides et plus fiables grâce à des bonnes pratiques concises, plutôt qu’à un prompt générique.

nuxt4-patterns est un skill Nuxt 4 consacré à la sécurité de l’hydratation, aux route rules, au lazy loading et au chargement de données compatible SSR. Utilisez le skill nuxt4-patterns pour prendre de meilleures décisions en Frontend Development, réduire les écarts de rendu et appliquer le bon pattern à chaque page ou composant.

frontend-patterns est une skill pratique pour le développement frontend avec React et Next.js, qui vous aide à choisir des patterns durables pour les composants, l’état, les formulaires, le routage, l’accessibilité et les performances. Utilisez le guide frontend-patterns lorsque vous avez besoin d’indications claires sur la mise en œuvre et le choix des patterns, pas seulement de bonnes pratiques génériques.

flutter-dart-code-review est une checklist de code review Flutter et Dart, indépendante des bibliothèques, couvrant l’architecture, la qualité des widgets, la gestion d’état, les performances, l’accessibilité, la sécurité et le clean code. Utilisez-la comme guide structuré de flutter-dart-code-review pour la code review avec BLoC, Riverpod, Provider, GetX, MobX, Signals ou des approches personnalisées.

compose-multiplatform-patterns est un guide pratique pour Compose Multiplatform et Jetpack Compose dans les applications KMP. Il couvre la gestion d’état, la navigation, le theming, les performances et des patterns d’UI réutilisables pour Android, iOS, Desktop et le Web, afin d’aider les équipes frontend à construire des écrans partagés maintenables.

Utilisez la skill benchmark pour mesurer des références de performance, détecter les régressions avant et après les PR, et comparer des alternatives de stack sur des pages, des API et des builds dans une démarche d’optimisation des performances.

python-expert est une skill GitHub dédiée à la génération, la revue, le débogage et la refactorisation de code Python. Elle guide les agents avec un ordre de priorité clair — correction, sûreté des types, performances, puis style — et oriente les utilisateurs vers SKILL.md, AGENTS.md et les fichiers de règles pour une adoption concrète.

code-reviewer est un skill léger de Code Review qui transforme du code ou des diffs en rapport structuré couvrant la sécurité, les performances, les bonnes pratiques, le niveau de sévérité, les lignes ou sections concernées, les correctifs recommandés et un score global de qualité.

Le skill debugger aide les agents à diagnostiquer les pannes logicielles avec un workflow centré sur les preuves pour l’analyse de cause racine. Utilisez debugger pour les stack traces, crashes, tests cassés, régressions, logs et bugs intermittents. Il structure l’analyse entre comportement attendu et observé, priorisation des hypothèses, tests ciblés, correctifs et étapes de vérification.

code-reviewer est une skill de revue de code par IA qui suit un ordre d’analyse strict : sécurité, performances, exactitude et maintenabilité. Elle s’appuie sur des fichiers de règles pour la SQL injection, le XSS, les requêtes N+1, la gestion des erreurs, le nommage et les indications de type, afin de rendre les revues de PR plus cohérentes qu’avec un prompt de revue générique.

La skill benchmark aide à détecter les régressions de performance dans les workflows web et applicatifs. Utilisez-la pour établir une base de référence, comparer avant et après des changements, et suivre si une PR a rendu des pages plus lentes, plus lourdes ou moins stables. C’est un guide pratique de benchmark pour l’optimisation des performances, les Core Web Vitals, les vérifications Lighthouse, la taille des bundles et l’évolution des temps de chargement.

canary est une skill de surveillance post-déploiement qui observe les applications en production pour détecter les erreurs de console, les échecs de page et les régressions de performance. Elle compare le comportement actuel à une base de référence pré-déploiement afin de vérifier une release, repérer des pages cassées et identifier des anomalies visibles avec moins d’approximation qu’une requête générique.

La compétence qa teste systématiquement une application web, détecte des bugs et vérifie les correctifs grâce à un workflow par étapes. Utilisez-la pour les tests de régression, les contrôles de readiness avant mise en production ou comme guide QA structuré lorsque vous avez besoin de preuves, d’évaluations de gravité et de boucles atomiques corriger puis retester, plutôt que d’un simple prompt générique de chasse aux bugs.

design-review est une skill de QA design orientée UX pour auditer des interfaces en ligne, repérer les problèmes d’espacement, de hiérarchie, de cohérence visuelle et d’interaction, puis les corriger de façon itérative avec vérification. Elle prend en charge la revue en mode plan avant implémentation et s’avère utile quand vous cherchez un guide design-review fondé sur des modifications concrètes du code source, plutôt que des conseils vagues.

rust-async-patterns est une skill pratique pour le Rust asynchrone avec Tokio. Elle couvre les tâches, canaux, flux, timeouts, annulation, tracing et gestion des erreurs pour le développement backend.

python-performance-optimization aide à diagnostiquer le code Python lent ou gourmand en mémoire avec une approche centrée sur le profiling, en couvrant les goulets d’étranglement CPU, mémoire et I/O, ainsi que le caching, la vectorisation, l’async et les workflows de benchmarking.

vector-index-tuning aide à optimiser les index de recherche vectorielle en termes de latence, de rappel et de mémoire. Utilisez cette skill pour choisir les types d’index, ajuster les paramètres HNSW et comparer les options de quantification pour les workflows RAG.

Utilisez la skill distributed-tracing pour concevoir et expliquer le traçage des requêtes entre microservices avec Jaeger et Tempo. Couvre les bases d’installation, les concepts de trace et de span, les modèles de configuration Kubernetes, la propagation du contexte, ainsi que des usages concrets pour l’observabilité et le diagnostic de latence.

sql-optimization-patterns aide à diagnostiquer les SQL lentes grâce à l’analyse EXPLAIN, aux stratégies d’indexation, à l’optimisation des jointures, aux correctifs de pagination et à des conseils concrets de réécriture de requêtes pour les équipes d’ingénierie base de données.

spark-optimization est un guide pratique pour diagnostiquer les jobs Apache Spark lents grâce au partitionnement, au shuffle, au skew, au caching et au réglage mémoire. Utilisez-le pour installer la skill depuis wshobson/agents, consulter SKILL.md et appliquer des correctifs fondés sur des indices concrets issus de Spark UI, des paramètres du cluster et des schémas de requêtes.

postgresql-table-design aide les agents à concevoir ou relire des schémas PostgreSQL grâce à des règles concrètes sur les clés, la normalisation, les types de données, les contraintes, les index de clés étrangères et les pièges propres à PostgreSQL.

La skill debugging-strategies propose une méthode de débogage structurée pour reproduire les problèmes, tester des hypothèses, isoler les causes et identifier l’origine racine des bugs, plantages, fuites mémoire et régressions de performance.

projection-patterns aide les équipes à concevoir des read models CQRS et des projections de flux d’événements, avec des conseils pratiques sur les types de projection, le replay, le checkpointing et leur usage en développement backend.

godot-gdscript-patterns aide les utilisateurs de Godot 4 à générer et relire du GDScript avec une meilleure structure de scènes, des signaux bien organisés, des machines à états, des autoloads et des patterns de chargement asynchrone. Utilisez cette skill pour intégrer une architecture Godot éprouvée dans vos systèmes de gameplay, vos flux d’interface et un code de projet plus maintenable.