agentleFS
Marco-SatisMarco-Satis/claude-setup/skills/deploy-preflight/SKILL.md

deploy-preflight

Skill0 starsChanged 23 days agoMITView on GitHub

Fuehrt Pre-Deployment-Checks fuer Python-Projekte aus. Laesst alle pytest-Suiten laufen, prueft Importierbarkeit aller Module, validiert .env-Vollstaendigkeit gegen Code-Verbrauch (via python-env-audit), prueft requirements.txt mit pip check, sucht nach Debug-Relikten (print, breakpoint, TODO, FIXME, pdb) im produktiven Code, und fasst alles zu einer Go/No-Go-Entscheidung zusammen. Trigger wenn der User "deployen", "vor dem Release", "preflight", "ist das ready", "kann ich pushen", "alles gruen?", "deployment vorbereiten" sagt — auch ohne explizite Skill-Erwaehnung.

  • Reads credentials
  • Installs packages

The file

Files
SKILL.md

deploy-preflight

Eine kompakte Checkliste vor jedem Push, die alle bekannten Stolperfallen abklappert. Ergebnis: eine klare Go/No-Go-Empfehlung mit allen Issues.

Wofuer

des Nutzers Discord-Bot-System wird via deploy.sh auf einen Netcup-Server gepusht, der FritzBox-Monitor via deploy.ps1 per SCP. Wenn dabei ein Test rot ist, eine ENV fehlt, oder ein print("DEBUG", token) im Code haengt, kommt das oft erst auf der Produktion auf — und dann nervt es richtig. Der Skill macht das billig vorher sichtbar.

Trigger

  • "Ich will deployen"
  • "Preflight"
  • "Pruef bitte ob ich pushen kann"
  • "Ist alles bereit fuer das Release?"
  • Vor deploy.sh / deploy.ps1 ausfuehren
  • Nach groesseren Code-Aenderungen als Sanity-Check

Workflow

Fuehre Schritte 1-7 in dieser Reihenfolge aus. Wenn ein Schritt fehlschlaegt: weitermachen, im Report sammeln. Erst am Ende Go/No-Go entscheiden.

1. Tests laufen lassen

Erkenne anhand der Projektstruktur, was wie auszufuehren ist:

  • tests/ mit test_*.py -> pytest tests/ -v --tb=short
  • Spezifische Pflicht-Tests im Discord-System:
    • pytest tests/test_imports.py tests/test_cogs.py tests/test_env_completeness.py tests/test_routes.py -v
  • FootstepPro: pytest tests/test_basic.py tests/test_metrics_regression.py -v

Lauf via Bash. Speichere Output. Pass: alle gruen. Fail: pro fehlgeschlagenem Test eine Zeile mit Datei::Test::Fehler im Report.

pytest nicht installiert? Pruefe per python -c "import pytest" vorher. Wenn das Modul fehlt:

  • Im Report markieren als [BLOCKER] (NICHT silently skip — Tests sind ein Pflichtschritt vor Deploy)
  • Konkrete Anweisung geben: pip install pytest pytest-asyncio (asyncio bei Discord) oder pip install -r requirements-dev.txt falls vorhanden
  • Erst weitermachen wenn der User das bestaetigt oder --skip-tests explizit setzt

Auto-Skip ohne Hinweis ist gefaehrlich, weil dann der Preflight gruenes Licht gibt obwohl die Tests gar nicht liefen.

2. Importierbarkeit aller Module

Sammele alle .py-Dateien (ohne tests/, venv/, __pycache__/). Pro Datei:

python -c "import ast; ast.parse(open('<datei>', encoding='utf-8').read())"

Das prueft Syntax ohne Code auszufuehren — das ist der sichere Default fuer ALLE .py.

⚠ Import-Test (exec_module) fuehrt Modul-Top-Level-Code REAL aus — DB-Writes, Mail-Versand, Netz-Calls, oder ein destruktives Skript laufen dabei tatsaechlich. Darum NICHT pauschal auf alle Dateien:

  • Entry-Point-/Runner-Dateien AUSSCHLIESSEN vom exec-Test — nur ast-parse (oben). Das sind Dateien die beim Import etwas tun: alles unter bots/, scripts/, deploy*, sowie jede Datei mit Top-Level bot.run(, asyncio.run(, app.run(, uvicorn.run(, main() ausserhalb if __name__, oder Shell-/Subprocess-Aufrufe auf Modulebene. Diese NIE exec-importieren.
  • Nur Library-Module (cogs/, modules/, utils/ — Code der beim Import nur definiert, nicht handelt) exec-testen, und zwar isoliert im Subprocess mit Timeout, damit ein haengendes/gefaehrliches Modul gekillt wird statt den Preflight zu blockieren:
python -c "import importlib.util,sys; s=importlib.util.spec_from_file_location('m','<datei>'); m=importlib.util.module_from_spec(s); s.loader.exec_module(m)"  # via Bash mit timeout, NUR fuer Library-Module

Bei Fehler unterscheiden: echter Fehler (SyntaxError, ImportError, ModuleNotFoundError) = Issue; blosser Side-Effect (ConnectionError, OSError) = kein Code-Problem. Im Zweifel bei ast-parse bleiben — ein gruener Syntax-Check ist besser als ein Preflight der Produktions-Side-Effects ausloest.

3. .env-Vollstaendigkeit

Falls der python-env-audit-Skill verfuegbar: verwende ihn. Sonst inline:

  • os.getenv/os.environ-Calls aus Code sammeln
  • .env lesen
  • Diff melden

CRITICAL wenn code_vars - env_vars nicht leer.

4. Requirements pruefen

pip check

Liefert Konflikte/fehlende Deps. Bei Fehler: melden. Wenn Projekt eine requirements-lock.txt hat: zusaetzlich die installierten Versionen mit der Lock-Datei vergleichen.

Wichtig: in der korrekten venv ausfuehren — pruefe zuerst ob .venv/ oder venv/ im Projekt-Root, dann das venv-Python verwenden.

5. Debug-Relikte suchen

Suche im produktiven Code (NICHT in tests/):

  • print(...) ausserhalb von if __name__ == "__main__": und CLI-Entry-Points
  • breakpoint() — immer Issue
  • pdb.set_trace() — immer Issue
  • import ipdb, import pdb ohne Verwendung in einem klaren Debug-Tool
  • # TODO und # FIXME (informativ, nicht blocking)
  • # XXX, # HACK (informativ)
  • console.log (falls JS/HTML im Repo)
  • Hartcodierte Test-IDs / Test-Tokens (123456789, test_token_xxx)

Per Grep mit den Patterns. Pro Treffer eine Zeile mit Datei:Zeile.

6. Konfig-Syntax

  • requirements.txt parsen — keine doppelten Pakete, keine == neben >= fuer dasselbe Paket
  • pyproject.toml (falls vorhanden) — TOML-Syntax pruefen
  • setup.py / setup.cfg — Syntax pruefen
  • Bei Discord-System: config/config.json validieren (Feature-Flags-Schema, siehe state-json-validator)
    • Inline-Fallback wenn state-json-validator nicht verfügbar: prüfen ob config/config.json valides JSON parst UND ein features-Key auf Top-Level existiert; fehlt/kaputt → No-Go-Finding.
  • Bei FootstepPro: keine extra Configs noetig

7. Versions-Konsistenz

  • Existiert VERSION-Datei? -> Inhalt lesen
  • Existiert __version__ in einem Haupt-Modul? -> per AST extrahieren
  • CHANGELOG.md letzter Versionseintrag
  • Diese drei vergleichen — Drift melden

8. Lint (optional, wenn vorhanden)

Falls ruff, flake8, oder pylint in den Deps: einen schnellen Run machen. Ergebnisse als INFO, nicht als blocker.

ruff check .
# oder
flake8 . --max-line-length=120

Report-Format

deploy-preflight fuer <projekt-name>
====================================
Branch:      <git branch>
HEAD:        <git rev short> "<git commit msg first line>"
Zeitpunkt:   <ISO>

[1] Tests:               24/24 PASS
[2] Importierbarkeit:    29/29 OK
[3] ENV-Audit:           OK (40 Variablen synchron)
[4] pip check:           OK
[5] Debug-Relikte:       2 issues
    - bots/admin/cogs/cleanup.py:88  print("removing user", user_id)
    - bots/monitor/heartbeat.py:14   # TODO: schwellwert konfigurierbar machen (informativ)
[6] Config-Syntax:       OK
[7] Versions:            VERSION=4.1.0, __version__=4.1.0, CHANGELOG=4.1.0  -> OK
[8] Lint (ruff):         3 warnings (informativ)

============================
Empfehlung:  GO mit Vorbehalt
============================

Vor dem Push:
  - print() in cleanup.py:88 entfernen oder zu logger.debug() umstellen

Nicht-blockend:
  - 1 TODO, 3 ruff warnings — beim naechsten Refactor mitnehmen

Go/No-Go-Logik:

  • NO-GO: Tests fail, ENV fehlend, Import-Fehler, pip check fail, breakpoint()/pdb im Code
  • GO mit Vorbehalt: print() im Code, TODOs/FIXMEs, Versions-Drift, Lint-Warnings
  • GO: alles gruen oder nur INFO-Befunde

Evidence-Regel fuer den Go-Entscheid (geerntet aus superpowers:verification-before-completion v6.1.1, 2026-07-21)

Jede gruene Report-Zeile braucht frischen Command-Output aus DIESEM Preflight-Lauf — kein "lief vorhin schon durch", kein "sollte passen", keine Erinnerungs-Gruens. Pro Zeile vor dem GO: Command wirklich gelaufen? Exit-Code + vollstaendigen Output gelesen (Failures gezaehlt, nicht nur die letzte Zeile)? Erst dann Status eintragen.

Stale-State-Fallen: alter pytest-Lauf/.pytest_cache von vor der letzten Code-Aenderung, pip check aus der falschen venv, __pycache__ das einen frischen Syntax-Fehler maskiert, Report-Zeilen aus einem frueheren Preflight derselben Session. Nach jeder Code-Aenderung waehrend des Preflights: betroffene Schritte neu laufen lassen statt das alte Ergebnis weiterzuverwenden.

Zukunft: falls Preflight-Schritte an Subagents delegiert werden (z.B. env-audit als Dispatch) — ein Subagent-"Success"-Report ist keine Evidence; dessen Output/Diff selbst verifizieren bevor die Zeile gruen wird.

Projekt-spezifische Anpassungen

Discord-Bot-System:

  • Auf 4 Pflicht-Tests besonders achten (test_imports.py, test_cogs.py, test_env_completeness.py, test_routes.py) — wenn die fail, ist das ein Auto-NO-GO.
  • DB-Schema-Drift mitchecken wenn db-schema-diff-Skill verfuegbar.
  • deploy.sh-Inhalt parsen — gibt Hinweise auf Server-Pfade die existieren muessen.

FootstepPro:

  • Tests langsam — bei Zeitnot kann der User den Test-Schritt mit --skip-tests skippen, default aber rein.
  • analyzer.py --version als Smoke-Test ausfuehren.

FritzBox-Monitor:

  • deploy.ps1 ist PowerShell — Skill laeuft auf Windows-Maschine, das ist OK.
  • heartbeat.txt-Schreib-Test: python fritzbox_check.py --dry-run einmal durch.

Edge Cases

  • Pre-Push-Hook im Repo: wenn .git/hooks/pre-push existiert, kann der Inhalt zusaetzliche Checks vorschreiben — kurz pruefen und im Report erwaehnen.
  • Uncommittete Aenderungen: git status --porcelain — wenn nicht leer, melden ("ungetrackte oder uncommittete Aenderungen — Deployment basiert NICHT auf dem aktuellen Zustand").
  • Nicht-gepushter Branch: Distance zu origin/<branch> zeigen.
  • Deploy-Skript-Sanity: deploy.sh/deploy.ps1 einmal lesen — falls dort hartcodierte alte Pfade stehen, INFO.

Changelog

  • 1.1.0 (2026-07-21): Evidence-Regel fuer den Go-Entscheid + Stale-State-Fallen + Zukunfts-Hinweis Subagent-Verifikation (geerntet aus superpowers:verification-before-completion v6.1.1).
  • 1.0.0 (2026-06-01): Initialversion.

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.