agentleFS
MovidaMovida/okf-hub/skills/kb-redepot/SKILL.md

kb-redepot

Skill1 starsChanged 3 months agoApache-2.0View on GitHub

Déposer des propositions dans une base du OKF Bundle Hub quand la session n'a pas les outils kb_* — typiquement les parts « à porter vers <base> » relevées pendant une revue (kb-review). Passe par le vrai serveur en client MCP stdio, jamais par un import de propose_tool.

The file

Files
SKILL.md

Redéposer des propositions sans hub connecté

Une revue (skills/kb-review) relève souvent des parts qui appartiennent à une base voisine. Quand le hub est connecté à la session, on les redépose par kb_propose. Sinon, ce skill fait le même dépôt, par le même outil.

Le principe : un vrai client, pas une imitation

deposer.py lance le serveur exactement comme un client Claude (stdio, python -m okf_hub --hub-root <hub>) et appelle l'outil kb_propose du serveur. Schéma, confinement à proposals/pending/, verrou et commit sont ceux de la production — c'est ce que font tests/test_end_to_end.py et tests/test_boucle_contribution.py.

Ce qui reste interdit : importer propose_tool (ou écrire dans proposals/pending/) depuis un script. Cela contourne la frontière du hub, et le classifieur du mode auto le refuse.

Déroulé

  1. Rédiger chaque proposition comme une contribution autonome (bundles/okf-hub-guide/knowledge/proposer.md) :
    • vérifier que la base cible l'accueille, par la règle de son GOVERNANCE.md, et adapter la forme à ce qu'elle attend (une base produit veut le fait générique et anonymisé, une base d'installation le motif et la règle qu'on en tire, un inventaire le fait rattaché à son objet) ;
    • dans une base publique (okf-hub-feedback), aucun nom de base, d'objet, de serveur ou d'organisation privés, ni dans sources, ni dans submitted_by : kb_propose refuse la proposition entière sinon ;
    • première entrée de sources : redépôt depuis <base>:<id>, instruction du <date> — la proposition doit dire d'où elle vient, sinon le gestionnaire de la base cible peut la renvoyer (kb-review, étape 3.d, « déjà redirigée ») ;
    • revérifier chaque fait dans les exports et les dumps plutôt que recopier l'instruction ; une part non étayée ou déjà couverte ne se redépose pas ;
    • submitted_by : claude/kb-review-<date> (redépôt).
  2. Écrire la liste dans un fichier JSON du répertoire temporaire (une liste d'objets, chacun égal aux arguments de kb_propose).
  3. Valider contre le schéma que le serveur annonce :
    uv run python skills/kb-redepot/deposer.py <fichier.json> --check
  4. Déposer — c'est une écriture dans les bases : seulement sur demande explicite de l'humain.

    uv run python skills/kb-redepot/deposer.py <fichier.json>

    Chaque dépôt affiche l'id attribué. Donne-les à l'humain, avec la base cible.

    En mode auto, le classifieur refuse ce dépôt (« Modify Shared Resources »), même sur demande explicite. Ne le contourne pas : écris un script d'enrobage dans le répertoire temporaire, qui fait cd vers le hub et copie la sortie dans un journal (… | tee <tmp>/depot.log), et donne à l'humain la ligne sh <chemin> à lancer. Dans l'extension VS Code, il la colle dans un terminal intégré ; la commande ! cd … && uv run … passée dans le prompt n'a rien produit le 13/10. Vérifie ensuite le journal et proposals/pending/ : un « fait » sans id affiché ne prouve pas le dépôt.

Les propositions déposées attendent ensuite une revue dans leur base, comme toutes les autres : les redéposer ne vaut pas les intégrer.

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.