agentleFS
igbnetworkigbnetwork/skills-igb/skills/ci-cd/SKILL.md

ci-cd

Skill1 starsChanged 55 days agoMITView on GitHub

Montar o arreglar un pipeline de integración y despliegue continuo — lint, tests, build, escaneo de calidad y seguridad, y despliegue por entornos. Agnóstico de plataforma (GitHub Actions, GitLab CI, Jenkins) y de destino (Render, Vercel, AWS, VPS). Úsala cuando el usuario hable de CI, CD, pipeline, workflow, despliegue automático, entornos de staging y producción, o automatizar el paso a producción. | EN: Set up or fix a continuous integration and delivery pipeline — lint, tests, build, quality and security scanning, and environment-based deployment. Platform-agnostic (GitHub Actions, GitLab CI, Jenkins) and target-agnostic (Render, Vercel, AWS, VPS). Also covers deploying to a server that is not reachable from the internet: VPN, bastion or jump host, SSM Session Manager, and self-hosted runners. Use when the user mentions CI, CD, pipeline, workflow, automated deployment, staging and production environments, or shipping to production automatically.

38 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use caching, api-versioning and 10 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • wpankSkill

    caching

    Caching strategies, invalidation, eviction policies, HTTP caching, distributed caching, and anti-patterns. Use when designing cache layers, choosing eviction policies, debugging stale data, or optimizing read-heavy workloads.

    Also in 5 projects that use this

  • wpankSkill

    api-versioning

    API versioning strategies — URL path, header, query param, content negotiation — with breaking change classification, deprecation timelines, migration patterns, and multi-version support. Use when evolving APIs, planning breaking changes, or managing version lifecycles.

    Also in 3 projects that use this

  • SentrySkill

    feature-flags

    Gate a Sentry feature behind a FlagPole feature flag. Use when adding a feature flag, registering a flag in temporary.py, checking a flag from Python or the frontend, enabling a flag in tests, or asking where FlagPole rollout config lives. Trigger on "add a feature flag", "gate this behind a flag", "register a flag", "features.has", "api_expose", "OrganizationFeature", "ProjectFeature", "FlagPole".

    Also in 4 projects that use this

  • OpenAISkill

    auth

    Authentication integration guidance — Clerk (native Vercel Marketplace), Descope, and Auth0 setup for Next.js applications. Covers middleware auth patterns, sign-in/sign-up flows, and Marketplace provisioning. Use when implementing user authentication.

    Also in 4 projects that use this

  • wrsmith108Skill

    docker

    Container-based development for isolated, reproducible environments. Use when running npm commands, installing packages, executing code, or managing project dependencies. Trigger phrases include "npm install", "run the build", "start the server", "install package", or any code execution request.

    Also in 9 projects that use this

  • OpenAISkill

    observability

    Vercel Observability expert guidance — Drains (logs, traces, speed insights, web analytics), Web Analytics, Speed Insights, runtime logs, custom events, OpenTelemetry integration, and monitoring dashboards. Use when instrumenting, debugging, or optimizing application performance and user experience on Vercel.

    Also in 13 projects that use this

The file

We split this skill into the rules it gives an agent

4 rules. 0 are common, 3 are distinctive, and 1 is very specific to this project.

  • 0

    Common

    Most of the 25 edited versions we read keep these.

  • 3

    Distinctive

    This author's own choices. Worth a look.

  • 1

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Very specific:

    No des por hecho GitHub Actions: pregunta cuál usa el equipo.

    line 49
  2. Distinctive:

    No crea repositorios remotos ni configura secretos en la plataforma: eso lo hace el usuario en su panel.

    line 127
  3. Distinctive:

    No despliega a producción por su cuenta.

    line 128
  4. Distinctive:

    No inventa nombres de servicios ni de recursos cloud.

    line 129

“Common” is measured: kept by at least 6 in 10 of the 25 edited versions of this file we could read. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

CI/CD

Automatiza el camino de commit a producción, con puertas de calidad reales entre medias.

Avisa si hay versión nueva

Al empezar a trabajar con esta skill, comprueba una vez si hay una versión más reciente:

npm view skills-igb version

Compárala con la instalada: claude plugin list si vino como plugin, o mira ~/.claude/skills/ si se instaló con npm.

  • Si hay una más nueva, dilo antes de empezar y ofrece actualizar: "hay una versión más reciente, ¿la actualizo antes de seguir?". No la instales por tu cuenta — es su máquina.
  • Si el usuario acepta, actualiza y después confirma en voz alta qué versión quedó instalada y recuérdale que Claude Code necesita reiniciarse para cargarla. Una actualización silenciosa deja a la gente creyendo que usa algo que todavía no usa.
  • Si no hay red o el comando falla, no te bloquees: dilo en una línea y sigue con la versión que haya.

Comandos de actualización, según cómo se instaló:

npx skills-igb                                    # instalado por npm
claude plugin marketplace update skills-igb && \
  claude plugin update skills-igb@skills-igb      # instalado como plugin

Una cosa cada vez

Da un comando, espera el resultado, interprétalo, y solo entonces da el siguiente. No entregues una lista de cinco pasos para que se ejecuten de golpe: cada resultado cambia cuál es el paso siguiente, y una tanda entera obliga a la otra persona a decidir por su cuenta qué hacer con cada salida.

Tres reglas que lo hacen funcionar:

  • Nunca entregues un comando con un marcador sin rellenar. Si necesitas un dato que aún no tienes —un nombre de servicio, un identificador, una ruta—, ese dato es el siguiente paso, no un <hueco> que la otra persona tenga que adivinar. Un comando que falla porque no se sustituyó un marcador es tiempo perdido y confianza perdida.
  • Di qué esperas ver antes de que lo ejecute, y qué significaría cada resultado posible. Así la salida no es un jeroglífico.
  • Interpreta el resultado en voz alta antes de continuar: qué acabas de aprender y qué descarta. Si el resultado no es concluyente, dilo en vez de seguir como si lo fuera.

Esto vale doblemente al diagnosticar algo que ya está en producción, donde un paso dado a ciegas puede romper el servicio.

Estado de partida

No des por hecho GitHub Actions: pregunta cuál usa el equipo. Y comprueba si gh está instalado antes de proponer comandos que lo usen.

Antes de escribir el job de deploy, averigua si el destino es alcanzable desde internet. Un servidor detrás de una VPN —Tailscale, WireGuard, VPN corporativa— o en una red interna no admite un despliegue directo desde un runner en la nube, por muy correcto que sea el resto del pipeline. Es la causa más común de un CI que valida bien y despliega nunca.

Adapta el nivel a quien tienes delante

Si el CLAUDE.md del proyecto dice con quién trabajas y su perfil, respétalo. Si no lo sabes y la conversación no lo deja claro, pregúntalo antes de empezar: ¿te explico el porqué de cada paso, o voy al grano?

  • Con quien no programa: nada de jerga sin traducir, tú tomas las decisiones técnicas y pides visto bueno, y dices qué vas a hacer antes y qué pasó después. Los errores son normales y se arreglan — que nunca se quede pensando que rompió algo.
  • Con quien desarrolla: al grano, sin explicar lo básico, y discutiendo las decisiones de igual a igual.

Lo que no cambia con el perfil son las comprobaciones de seguridad ni las advertencias sobre lo que no has podido verificar. Esas van siempre, y en el idioma de la consecuencia real.

Paso 1 — Fijar las tres variables

VariablePreguntaEfecto
Plataforma¿GitHub, GitLab, Jenkins, otra?Determina el fichero: .github/workflows/*.yml, .gitlab-ci.yml, Jenkinsfile
Destino¿Render, Vercel, AWS, VPS, ninguno?Determina el paso de deploy. Ver references/destinos.md
Alcance del destinoSi es un servidor propio: ¿tiene IP pública abierta, o se llega por VPN o por un bastión?Si es privado, el runner no puede alcanzarlo sin unirse antes a la red. Ver references/destinos.md
Disparadores¿Qué ramas y eventos?Lo normal: PR → validar; push a main → validar y desplegar

Si el usuario no sabe la plataforma, recomienda GitHub Actions si el código ya está en GitHub: es lo que menos infraestructura pide. Pero que la elección sea suya.

Paso 2 — Diseñar las etapas

Orden por coste creciente. Lo barato primero, para fallar pronto:

1. setup      checkout + runtime + caché de dependencias
2. install    instalación reproducible (npm ci, no npm install)
3. lint       formato y estilo
4. test       unitarios, con cobertura
5. build      compilación de producción
6. scan       calidad (SonarQube) y dependencias vulnerables
7. deploy     solo en la rama de producción, y solo si todo lo anterior pasó

Reglas:

  • npm ci, nunca npm install en CI. ci respeta el lockfile; install puede moverlo y hace el build no reproducible.
  • Cachea dependencias por hash del lockfile. Sin caché, cada ejecución reinstala todo.
  • Fija la versión del runtime en el workflow, y que coincida con .nvmrc / .python-version. Un CI en Node 20 y un local en Node 22 produce fallos que nadie reproduce.
  • deploy va condicionado a rama y a que las etapas previas pasen. Nunca un deploy que corre en paralelo con los tests.
  • Timeout en todos los jobs. Sin él, un cuelgue consume minutos de runner hasta el límite de la cuenta.

Paso 3 — Secretos

  • Jamás un secreto en el YAML del pipeline. Van en el almacén de la plataforma (GitHub Secrets, GitLab CI/CD variables, credenciales de Jenkins).
  • Referencia por nombre: ${{ secrets.NOMBRE }}.
  • Los secretos no se exponen a workflows disparados por PR de forks. Si el pipeline los necesita, separa el job de validación del de deploy.
  • Documenta en DESPLIEGUE.md qué secretos hacen falta y dónde se configuran. No sus valores.

Paso 4 — Entornos

Mínimo dos, y que se distingan:

  • staging — despliega solo desde una rama de integración. Sirve para validar antes de producción.
  • producción — solo desde main, y con aprobación manual si el despliegue no es trivialmente reversible.

Cada entorno con su propio juego de variables. Nunca la base de datos de producción apuntada desde staging.

Paso 5 — Verificar

Un pipeline que nunca se ejecutó no está terminado. Antes de darlo por bueno:

  1. Ejecuta en local cada comando del pipeline (npm ci && npm run lint && npm test && npm run build). Si falla en local, fallará en CI.
  2. Valida la sintaxis del YAML (python3 -c "import yaml,sys;yaml.safe_load(open('...'))").
  3. Di claramente que la ejecución real en la plataforma queda pendiente hasta el primer push. No afirmes que el pipeline funciona hasta haber visto una ejecución verde.

Entregar el trabajo

Con un desarrollador, entrégale los comandos en vez de ejecutarlos: crear la rama, commitear el workflow, subirlo y abrir el pull request. Es su pipeline y debe saber exactamente qué entra. La skill git-flujo tiene el flujo completo.

Con quien no programa, hazlo tú y explícale qué acaba de quedar automatizado y qué verá cuando falle.

Límites

  • No crea repositorios remotos ni configura secretos en la plataforma: eso lo hace el usuario en su panel.
  • No despliega a producción por su cuenta.
  • No inventa nombres de servicios ni de recursos cloud. Si no sabes el destino real, deja el paso de deploy marcado como pendiente y dilo.

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.