Le style React Native peut devenir incohérent entre les thèmes, les écrans et les plateformes. Cette compétence fournit des modèles pratiques NativeWind et BrandColors pour les applications Expo.

Les flux React Native complexes peuvent échouer lorsque les étapes asynchrones, les mises à jour d’état et les retours d’interface ne sont pas modélisés clairement. Cette compétence fournit des modèles structurés pour des états de flux explicites, des validations, la journalisation et les tests.

Les applications React Native peuvent souffrir de listes lentes, de rendus supplémentaires et de blocages du thread JS. Cette compétence fournit des modèles ciblés pour des écrans FlatList plus rapides, des composants mémoïsés, des sélecteurs optimisés, des images mises en cache et du profilage.

Les échecs silencieux et les messages d’erreur faibles rendent les bugs mobiles difficiles à diagnostiquer. Cette compétence fournit des modèles React Native pratiques pour les journaux, les erreurs, le traçage et les rapports sécurisés.

Les équipes React Native ont besoin d’une navigation prévisible entre onglets, piles, modales et liens profonds. Cette compétence fournit des modèles Expo Router pour les décisions de routage courantes.

Les applications Expo ont souvent besoin de fonctionnalités natives de l’appareil avec une gestion rigoureuse des autorisations et des plateformes. Cette skill fournit des modèles ciblés pour ajouter la caméra, les notifications, les retours haptiques, la localisation, le stockage, l’état de l’application et le comportement du clavier.

L’authentification Expo échoue souvent parce que les redirections OAuth, le stockage des jetons et les gardes de routes doivent être alignés entre l’application et le backend. Cette compétence fournit des modèles React Native concrets pour la connexion avec Google, la gestion sécurisée des jetons, les routes protégées et la vérification des jetons côté backend.

Les bugs asynchrones dans React Native peuvent se cacher dans les actions d’état, les effets et les chaînes de promesses. Cette compétence guide Claude, Codex et Claude Code dans des revues asynchrones ciblées et des décisions de séquencement plus sûres.

Les équipes React peuvent rencontrer des problèmes d’état obsolète, de timing de rendu et d’actions asynchrones avec Zustand. Cette skill fournit des modèles directs pour les stores, les sélecteurs, l’état dérivé, les tests, le débogage et la persistance.

Les suites de tests React deviennent souvent instables lorsque l'état asynchrone, les providers et les mocks sont gérés de manière incohérente. Cette compétence donne à Claude, Codex et Claude Code des modèles pratiques pour des tests React ciblés.

Les flux React complexes échouent souvent à cause de awaits manqués, de transitions cachées et d'états d'erreur faibles. Cette compétence guide la conception explicite des états, la validation, les retours d'interface utilisateur et les tests d'intégration.

Les applications React peuvent ralentir parce que les rendus, les listes, les bundles, les images et les calculs lourds prennent de l'ampleur sans qu'on s'en aperçoive. Cette skill fournit des modèles pratiques pour diagnostiquer et réduire ces coûts.

Les échecs React se cachent souvent derrière des retours silencieux et des messages d'erreur peu utiles. Cette compétence donne à Claude, Codex et Claude Code des modèles pratiques pour les logs, le traçage et des diagnostics plus sûrs.

Les bugs asynchrones dans React créent des conditions de concurrence, des mises à jour d’état manquées et des effets peu fiables. Cette compétence guide les revues, les corrections et les règles de lint pour un code asynchrone plus sûr.

Les tests Python async peuvent échouer silencieusement, laisser fuiter l’état de la base de données ou manquer des comportements attendus avec await. Cette compétence fournit des modèles pytest-asyncio pour les fixtures, les mocks, les clients HTTP et les tests de flux complets.

Les projets SQLModel asynchrones échouent souvent à cause du lazy loading, des dérives de schéma et des erreurs de session. Cette compétence fournit des patterns ciblés pour les modèles, les requêtes, les relations et le débogage ORM.

Les habitudes issues de Pydantic v1 peuvent entraîner des défauts de validation et de sérialisation. Cette compétence fournit des pratiques Pydantic v2 pour les schémas, les validateurs, la configuration, les unions et la sérialisation.

Les services Python sont difficiles à déboguer lorsque les logs, les métriques et les traces sont incohérents. Cette compétence fournit des modèles pratiques pour la journalisation structurée, les métriques Prometheus, la configuration de Sentry, les contrôles de santé et la rédaction.

Les projets FastAPI dérivent souvent vers des routes, des réponses et des schémas incohérents. Cette compétence fournit des modèles pratiques pour les endpoints, la validation, les erreurs, les middlewares et OpenAPI.

Le code Python async peut laisser fuiter des sessions, bloquer les réponses et provoquer des deadlocks sous charge. Cette compétence fournit des patterns FastAPI et SQLAlchemy pour un travail async plus sûr avec les bases de données.