Le déploiement de la documentation Docusaurus sur GitHub Pages nécessite une configuration manuelle des paramètres de build, des workflows GitHub Actions et des branches de déploiement. Cette compétence automatise l'ensemble du processus avec des modèles pré-validés et des tests locaux avant les triggers CI/CD.

Les requêtes de documentation consomment des tokens excessifs. Cette skill utilise Context7 MCP avec un filtrage intelligent via pipeline shell pour extraire uniquement les exemples de code et les signatures d'API, réduisant l'utilisation des tokens de 86,8% tout en préservant toutes les informations essentielles.

Les créateurs de contenu ont besoin d'une évaluation de qualité systématique et objective pour améliorer les supports éducatifs. Cette compétence fournit une grille d'évaluation pondérée à 6 catégories avec un scoring basé sur des preuves pour évaluer et améliorer de manière cohérente les chapitres de livres et les leçons.

Les concepts complexes submergent les apprenants lorsqu'ils sont présentés de manière incorrecte. Cette compétence applique la théorie de la charge cognitive pour concevoir des progressions étape par étape qui correspondent au niveau de compétence des apprenants, en veillant à ce que les concepts s'appuient sur les prérequis avec un étayage approprié à chaque étape.

La validation manuelle des blocs de code dans les chapitres de livres prend du temps et est sujette aux erreurs. Cette compétence détecte automatiquement les langages de code, applique des stratégies de validation appropriées aux couches et génère des rapports d'erreurs exploitables avec des corrections.

L'enseignement du code nécessite plus qu'une démonstration de syntaxe. Cette compétence génère des exemples pertinents pour la production en utilisant une pédagogie basée sur le raisonnement qui active la compréhension grâce aux modèles spec-first, show-then-explain.

La création de chatbots ChatKit nécessite l'intégration de plusieurs technologies (FastAPI, OpenAI Agents SDK, outils MCP) avec des modèles de sécurité appropriés. Cette compétence fournit un guide architectural complet pour créer des chatbots prêts pour la production avec isolation utilisateur et capacités en temps réel.

Le contenu éducatif dérive souvent des modèles canoniques au fil du temps. Cette compétence compare le contenu des leçons avec des sources faisant autorité pour s'assurer que les étudiants apprennent les formats corrects correspondant aux conventions de la plateforme.

L'automatisation du navigateur nécessite des interactions manuelles répétitives avec les pages web. Cette compétence fournit des outils alimentés par MCP pour naviguer sur les sites web, remplir des formulaires, cliquer sur des éléments, prendre des captures d'écran et extraire des données par programmation via le serveur MCP Playwright.

La planification de grands livres éducatifs est difficile sans structure. Cette compétence fournit des modèles, des patrons et des outils de validation pour échafauder des parcours d'apprentissage multi-chapitres qui gérer la charge cognitive et assurer la continuité narrative.

Créer des évaluations de programmation équitables prend du temps. Cette compétence génère différents types de questions alignés aux objectifs d'apprentissage avec des distracteurs significatifs, des grilles d'évaluation pour les questions ouvertes et une analyse de la distribution cognitive.

Les étudiants ont souvent du mal à utiliser l'IA efficacement sans trop s'y fier. Ce cadre fournit des méthodes structurées pour intégrer l'IA comme partenaire d'apprentissage collaboratif grâce à l'approche des Trois Rôles, garantissant que les étudiants apprennent de l'IA tout en maintenant leur capacité indépendante.

Le débogage des applications Tauri nécessite de collecter manuellement des captures d’écran, des journaux de console et l’état de WebView. Cette compétence automatise le workflow de débogage avec des plugins Tauri officiels pour la capture d’écran, l’analyse des journaux et l’inspection de l’état sur macOS, Windows et Linux.

Les problèmes d'accessibilité web peuvent exclure les utilisateurs handicapés de l'accès au contenu numérique. Cette compétence fournit des audits complets de conformité WCAG, des tests de compatibilité avec les lecteurs d'écran et des recommandations de remédiation actionnables pour créer des expériences web inclusives.

Les projets ont souvent des plans structurés, des tâches actives et des directives de workflow dispersés dans plusieurs fichiers. Cette compétence vous aide à trouver et utiliser ces fichiers conductor afin de comprendre sur quoi travailler ensuite et comment suivre les standards du projet.

Les liens rompus et les références mal alignées compromettent la confiance des utilisateurs et la qualité du contenu. Cette compétence valide automatiquement les URL, vérifie les codes d'état HTTP, suit les redirections et évalue la pertinence des liens pour garantir que toutes les références pointent vers des destinations appropriées et accessibles.

Différentes tâches nécessitent des accès aux outils différents. Cette compétence fournit des définitions de préréglages d’outils standardisées pour configurer rapidement des agents avec des capacités adaptées aux tâches de développement, de recherche, d’opérations sur fichiers, d’analyse ou d’orchestration.

Écrire des tests après le code conduit à des bases de code fragiles et à des bugs manqués. Cette compétence fournit des workflows TDD structurés, des modèles de tests et l'automatisation Playwright pour vous aider à écrire des tests maintenables avant le code, détecter les bugs tôt et avoir confiance dans votre logiciel.

Prendre des décisions techniques sans une enquête appropriée conduit à des refactorisations coûteuses et de la dette technique. Cette compétence offre un cadre structuré pour les spikes techniques chronométrés, le développement de preuves de concept, et les évaluations objectives de technologies avec des recommandations claires.

Cette compétence aide les développeurs à suivre les pratiques de développement piloté par les tests pour les projets Python. Elle guide les utilisateurs à travers le cycle Rouge-Vert-Refactoriser, la configuration de pytest, et l'audit de qualité des tests.