agentleFS
LittlpinguinLittlpinguin/marketing-cockpit-template/.claude/skills/backport-to-template/SKILL.md

backport-to-template

Skill9 starsChanged 14 days agoMITView on GitHub

Remonte une mécanique éprouvée chez un client (skill, script, workflow) vers le template public marketing-cockpit-template : dé-brandification, checklist de sanitisation bloquante, branche et PR. À lancer quand une amélioration client mérite d'entrer dans le template.

  • Reads credentials
  • Commits and pushes

The file

Files
SKILL.md

backport-to-template — remonter une amélioration client vers le template public

Sens inverse de sync-template : une mécanique éprouvée chez un client (nouvelle skill, fix de script, amélioration de workflow) est généralisée puis proposée en PR sur le template public. Le template est public : une seule donnée client qui fuite est une faute grave. La sanitisation est donc bloquante, pas indicative.

Étape 1 — Identifier la mécanique pure

  1. Demander (ou identifier depuis la conversation) ce qui doit être remonté : commits précis, fichiers, ou diff.
  2. Lister le contenu : git log --oneline, git show --stat <sha>, ou diff des fichiers concernés.
  3. Filtrer : seule la mécanique remonte (logique de skill, script, hook, structure de dossier, doc générique). Est exclu d'office :
    • tout contenu produit (03- à 09-),
    • tout fichier de 01-brand/, profile/, .setup-completed, .env*,
    • toute config d'outil contenant des identifiants de ressources client (IDs Notion, audiences, boards),
    • les fichiers du moteur de slides vendorisé (en-tête VENDORED from slides-agent, liste dans docs/vendored-slides.md) : une amélioration du moteur remonte vers slides-agent, sa source de vérité, puis redescend dans le template par python3 scripts/sync-slides-engine.py.
  4. Si un commit mélange mécanique et marque, ne reprendre que les hunks de mécanique (reconstruire le fichier cible à la main plutôt que cherry-pick aveugle).

Étape 2 — Dé-brandification

Remplacer toute valeur de marque par le placeholder canonique. Référence : docs/placeholders.json du template (liste complète). Table des cas fréquents :

Valeur trouvée dans le code clientPlaceholder
Nom de l'entreprise{{COMPANY_NAME}} / {{COMPANY_SHORT_NAME}}
Site web{{COMPANY_WEBSITE}}
Positionnement, audience{{COMPANY_POSITIONING}}, {{COMPANY_AUDIENCE_SHORT}}
Couleurs hex, police{{BRAND_COLOR_PRIMARY}}, {{BRAND_COLOR_ACCENT}}, {{BRAND_FONT_PRIMARY}}...
Ton, vocabulaire{{BRAND_VOICE_POSITION}}, {{BRAND_VOCABULARY_BANNED}}...
Personas nommés{{PERSONA_1_NAME}}, {{PERSONA_1_DETAILS}}
Piliers, cadences{{PILLAR_1}}, {{CONTENT_CADENCE_LINKEDIN}}...
Contact, interlocuteurs{{COMPANY_MAIN_CONTACT}}, {{SALES_CONTACT}}
Exemples de posts/contenus réelsRéécrire des exemples fictifs mais réalistes (style _examples/)

Si une valeur n'a pas de placeholder existant, en proposer un nouveau et l'ajouter à docs/placeholders.json dans la même PR — jamais de valeur en dur.

Étape 3 — CHECKLIST DE SANITISATION (bloquante)

Exécuter chaque scan sur le diff complet destiné à la PR (fichiers ajoutés/modifiés). Adapter les motifs au contexte client (noms réels connus).

# 1. Noms de clients, de marques clientes, de personnes (compléter avec les noms réels du repo source)
grep -rniE "<nom-client>|<nom-produit>|<noms-fondateurs>" <fichiers du diff>

# 2. Tarifs et chiffres d'affaires réels (montants €/$, pourcentages business suspects)
grep -rnE "[0-9][0-9 .,]*(€|EUR|\\$|USD|k€)" <fichiers du diff>

# 3. URLs privées ou spécifiques client (domaines non génériques, staging, espaces clients)
grep -rnoE "https?://[a-zA-Z0-9./_-]+" <fichiers du diff> | grep -vE "apify\\.com|github\\.com|docs\\.|schema\\.org|example\\.com"

# 4. Emails
grep -rnE "[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-z]{2,}" <fichiers du diff>

# 5. IDs de ressources (Notion 32 hex, Google Drive/Sheets ~25-44 chars, Airtable app…, bases)
grep -rnE "[a-f0-9]{32}|[a-zA-Z0-9_-]{25,44}|app[a-zA-Z0-9]{14}" <fichiers du diff>

# 6. Tokens et secrets (JWT, clés API)
grep -rnE "eyJ[a-zA-Z0-9_-]{10,}|sk-[a-zA-Z0-9]|apify_api_|ghp_|gho_|xox[bap]-|AKIA[0-9A-Z]{16}|AIza[a-zA-Z0-9_-]{35}|-----BEGIN" <fichiers du diff>

Règle de décision :

  • Le motif 5 génère des faux positifs (hash, slugs) : examiner chaque hit à la main.
  • Tout hit confirmé (vraie donnée client, vraie clé, vraie URL privée) → 🔴 REFUS de préparer la PR. Corriger (placeholder, exemple fictif, suppression), puis relancer la checklist complète depuis le scan 1.
  • La PR n'est préparée que quand les 6 scans sont vierges ou 100 % faux positifs justifiés un par un dans le message final.
  • En cas de doute sur un hit : le traiter comme confirmé. Jamais de bénéfice du doute sur un repo public.

Étape 4 — Branche et PR

  1. Dans un clone/worktree local du template (pas du repo client), créer la branche :
    git checkout -b backport/<slug-court> origin/main
  2. Appliquer les fichiers dé-brandifiés et sanitisés. Mettre à jour si nécessaire : docs/catalogue.md (catalogue des skills, agents et commandes), le tableau des skills du README.md, la table de routage du CLAUDE.md racine, docs/placeholders.json, CHANGELOG.md.
  3. Relancer les scans de l'étape 3 sur git diff origin/main...HEAD (dernier filet avant publication).
  4. Committer avec un message descriptif, puis préparer la PR vers main du template via gh pr create, en incluant dans le corps :
    • origine (« généralisé depuis un déploiement client », sans nommer le client),
    • ce que ça change pour le template,
    • la mention « Checklist de sanitisation exécutée : 6/6 scans propres ».
  5. Le push et l'ouverture effective de la PR se font après confirmation de l'utilisateur (cf. SECURITY.md).

Ce que cette skill ne fait PAS

  • ❌ Descendre les évolutions du template vers un client (→ sync-template)
  • ❌ Remonter du contenu, des exemples réels ou de la config de marque — mécanique uniquement
  • ❌ Pousser ou merger sans validation humaine

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.