agentleFS
Sign inStart free
radif-ruradif-ru/ai-multi-agent-system/.agents/skills/git-discipline/SKILL.md

git-discipline

Skill6 starsChanged 4 months agoMITView on GitHub

Git-дисциплина проекта: ветки feature/<NN>-<name>, Conventional Commits на русском, ритуал задачи, зелёные pytest+flake8 до коммита, секреты не коммитим.

  • Reads credentials

13 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use security-audit.

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.
  • CloudflareSkill

    security-audit

    Security guidance and vulnerability review for codebases, APIs, services, CLI tools, libraries, and daemons. Use for security questions, focused reviews, vulnerability research, security audits, or pen tests. Run the complete workflow only for explicit codebase audit or pen-test requests, full/comprehensive/end-to-end reviews, or requested report artifacts.

    Also in 3 projects that use this

The file

Create a free account to mount
Files
SKILL.md

Skill: git-discipline

Правила работы с git. Источник истины — _docs/instructions.md §2 и _board/process.md §7.

Когда использовать

  • Начинаешь/закрываешь задачу спринта.
  • Готовишь любой коммит.
  • Настраиваешь ветку под спринт.

Алгоритм

  1. Ветки. Основная — main, рабочие — feature/<NN>-<short-name> (по одной на спринт, от main).
  2. Коммиты — атомарные, в императиве, по Conventional Commits. Текст — на русском, идентификаторы — латиницей.
    • feat(handlers): добавить команду /new
    • fix(memory): обработать недоступность sqlite-vec при старте
    • test(tools): покрыть calculator случаем деления на ноль
    • docs(architecture): уточнить поток /new в §5
  3. Ритуал задачи (трёхэтапный). ID в сообщении — <NN>.<stage>.<task>, где <NN> — двузначный номер спринта (_board/process.md §3 п.3):
    • Начать: python3 -m scripts.task start <NN>.<stage>.<task>.
    • Код/доки: атомарные коммиты содержимого (feat/fix/docs/test/...).
    • Закрыть: python3 -m scripts.task done <NN>.<stage>.<task> --note "<что сделано>". Скрипт сам меняет статус в заголовке задачи и сводной таблице, проставляет чекбоксы DoD, дописывает историю спринта, пересчитывает счётчики plan.md, прогоняет check_sprint_sync и коммитит оба файла. Править эти места руками не нужно; DoD должен быть фактически выполнен до done.
  4. Перед каждым кодовым коммитом (кроме chore(plan): ...) — одна команда, зелёная: bash .agents/skills/git-discipline/scripts/preflight.sh (артефакты, flake8, pytest с порогом покрытия, все скрипты-гейты — список в _board/process.md §7.10). Если что-то красное (даже не относящееся к задаче) — сначала чинится. Отдельные pytest -q / flake8 app tests — только для точечной проверки по ходу работы.
  5. Коммит вне спринта (активного спринта нет, правка ≤ S или доки) — через журнал: запись в _board/maintenance.md тем же коммитом, что и правка (_board/process.md §12). Новая функциональность и правки > S — только спринтом.
  6. .gitignore обязан содержать: .env, .venv/, __pycache__/, *.pyc, logs/, data/, *.db, .pytest_cache/, .idea/, .vscode/.

Чего избегать

  • Коммита .env, реального токена, логов, data/*.db.
  • Push / merge в main / удаления ветки спринта — это делает только пользователь по явному запросу, агент никогда автоматически.
  • Неатомарных коммитов (несколько несвязанных правок в одном) и «зайцев» — попутных функциональных правок внутри refactor/docs-коммита.
  • Коммита в main без следа на доске: либо задача активного спринта, либо запись в _board/maintenance.md.
  • Коммита при красном pytest/flake8.

Что делать при утечке секрета

Если токен или БД с приватными данными случайно попали в историю — ротировать токен в @BotFather, удалить из истории (git filter-repo), удалить .db-файл.

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.

Check your setup, free