Claude Automation Recommender

Analyser les motifs du codebase pour recommander les automations Claude Code adaptées parmi toutes les options d'extensibilité.

Cette skill est en lecture seule. Elle analyse le codebase et génère des recommandations. Elle ne crée ni ne modifie aucun fichier. Les utilisateurs implémentent les recommandations eux-mêmes ou demandent à Claude de les aider à les construire.

Directives de Sortie

• Recommander 1-2 de chaque type : Ne pas surcharger - mettre en avant les 1-2 automations les plus précieuses par catégorie
• Si l'utilisateur demande un type spécifique : Se concentrer uniquement sur ce type et fournir plus d'options (3-5 recommandations)
• Aller au-delà des listes de référence : Les fichiers de référence contiennent des motifs courants, mais utiliser la recherche web pour trouver des recommandations spécifiques aux outils, frameworks et bibliothèques du codebase
• Dire aux utilisateurs qu'ils peuvent demander plus : Terminer en notant qu'ils peuvent demander plus de recommandations pour toute catégorie spécifique

Aperçu des Types d'Automation

Workflow

Phase 0 : Confirmer Avant le Scan (ajout Cherry Studio)

Ce scan lit de nombreux fichiers (package.json, structure source, .claude/, configurations framework, dépendances) et produit une analyse détaillée. C'est intensif en tokens — une exécution typique sur un repo de taille moyenne consomme 20–40K tokens de contexte du modèle, plus la sortie du modèle pour les recommandations elles-mêmes.

Avant de faire quelconque lecture de système de fichiers ou appel Bash, tu DOIS :

1. Annoncer le plan de scan en un court paragraphe : quels répertoires/fichiers tu vas lire, pourquoi chacun est nécessaire, et l'estimation du budget de tokens. Formulation d'exemple :

   Je prépare un scan du répertoire de travail actuel pour package.json/pyproject.toml/go.mod et autres fichiers de manifeste + structure des répertoires src/ tests/ + configuration .claude/ existante + CLAUDE.md, pour fournir des recommandations hook / subagent / skill / MCP. Consommation estimée : ~30K tokens (selon la taille du repo).

2. Demander une confirmation explicite avec une question oui/non claire — dans Cherry Studio, l'interface de chat la présente comme un bouton de confirmation :

   Poursuivre le scan ? / Proceed with scan?

3. Attendre un "oui" / "continue" / "go ahead" explicite avant de passer à la Phase 1. Traiter toute ambiguïté comme un non.

4. Si l'utilisateur décline ou hésite, proposer des alternatives :

   • Portée réduite : scanner uniquement un répertoire que l'utilisateur nomme → budget plus petit
   • Verbal uniquement : sauter le scan, recommander selon ce que l'utilisateur décrit (type de projet, frameworks, points problématiques)
   • Reporter : noter la demande en mémoire/FACT.md pour qu'une session future la récupère sans re-demander

5. Ignorer la Phase 0 seulement si l'utilisateur a déjà explicitement accordé la permission de scan plus tôt dans la même session (par exemple, leur premier message était "scan my repo and recommend automations now").

Seulement après confirmation explicite, passer à la Phase 1 ci-dessous.

Phase 1 : Analyse du Codebase

Recueillir le contexte du projet :

# Détecter le type de projet et les outils
ls -la package.json pyproject.toml Cargo.toml go.mod pom.xml 2>/dev/null
cat package.json 2>/dev/null | head -50

# Vérifier les dépendances pour les recommandations de serveur MCP
cat package.json 2>/dev/null | grep -E '"(react|vue|angular|next|express|fastapi|django|prisma|supabase|stripe)"'

# Vérifier la configuration Claude Code existante
ls -la .claude/ CLAUDE.md 2>/dev/null

# Analyser la structure du projet
ls -la src/ app/ lib/ tests/ components/ pages/ api/ 2>/dev/null

Indicateurs Clés à Capturer :

Phase 2 : Générer les Recommandations

D'après l'analyse, générer des recommandations dans toutes les catégories :

A. Recommandations de Serveurs MCP

Voir references/mcp-servers.md pour les motifs détaillés.

B. Recommandations de Skills

Voir references/skills-reference.md pour les détails.

Créer les skills dans .claude/skills/<name>/SKILL.md. Certaines sont aussi disponibles via des plugins :

Skills personnalisées à créer (avec templates, scripts, exemples) :

C. Recommandations de Hooks

Voir references/hooks-patterns.md pour les configurations.

D. Recommandations de Subagents

Voir references/subagent-templates.md pour les templates.

E. Recommandations de Plugins

Voir references/plugins-reference.md pour les plugins disponibles.

Phase 3 : Générer le Rapport de Recommandations

Formater les recommandations clairement. Inclure seulement 1-2 recommandations par catégorie - les plus précieuses pour ce codebase spécifique. Ignorer les catégories non pertinentes.

## Recommandations d'Automation Claude Code

J'ai analysé votre codebase et identifié les meilleures automations pour chaque catégorie. Voici mes 1-2 recommandations principales par type :

### Profil du Codebase
- **Type** : [langage/runtime détecté]
- **Framework** : [framework détecté]
- **Bibliothèques Clés** : [bibliothèques pertinentes détectées]

---

### 🔌 Serveurs MCP

#### context7
**Pourquoi** : [raison spécifique basée sur les bibliothèques détectées]
**Installer** : `claude mcp add context7`

---

### 🎯 Skills

#### [nom de la skill]
**Pourquoi** : [raison spécifique]
**Créer** : `.claude/skills/[nom]/SKILL.md`
**Invocation** : Utilisateur uniquement / Les deux / Claude uniquement
**Aussi disponible dans** : Plugin [plugin-name] (le cas échéant)
```yaml
---
name: [skill-name]
description: [ce qu'elle fait]
disable-model-invocation: true  # pour utilisateur uniquement
---

⚡ Hooks

[nom du hook]

Pourquoi : [raison spécifique basée sur la configuration détectée] Où : .claude/settings.json

🤖 Subagents

[nom de l'agent]

Pourquoi : [raison spécifique basée sur les motifs du codebase] Où : .claude/agents/[nom].md

Vous en voulez plus ? Demandez des recommandations supplémentaires pour toute catégorie spécifique (par exemple, "montrez-moi plus d'options de serveur MCP" ou "quels autres hooks aideraient ?").

Vous voulez de l'aide pour en implémenter ? Demandez simplement et je peux vous aider à configurer l'une des recommandations ci-dessus.

## Cadre de Décision

### Quand Recommander des Serveurs MCP
- Intégration de service externe nécessaire (bases de données, APIs)
- Recherche de documentation pour des bibliothèques/SDKs
- Automatisation de navigateur ou test
- Intégration d'outils d'équipe (GitHub, Linear, Slack)
- Gestion d'infrastructure cloud

### Quand Recommander des Skills

- Prompts ou workflows fréquemment répétés
- Tâches spécifiques au projet avec arguments
- Application de templates ou scripts à des tâches (les skills peuvent regrouper des fichiers de support)
- Actions rapides invoquées avec `/skill-name`
- Workflows qui doivent s'exécuter en isolation (`context: fork`)

**Contrôle d'invocation :**
- `disable-model-invocation: true` — Utilisateur uniquement (pour les effets de bord : déployer, committer, envoyer)
- `user-invocable: false` — Claude uniquement (pour les connaissances de base)
- Par défaut (omettre les deux) — Les deux peuvent invoquer

### Quand Recommander des Hooks
- Actions post-édition répétitives (formatage, linting)
- Règles de protection (bloquer les éditions de fichiers sensibles)
- Vérifications de validation (tests, vérifications de type)

### Quand Recommander des Subagents
- Expertise spécialisée nécessaire (sécurité, performance)
- Workflows de revue en parallèle
- Vérifications de qualité de base

### Quand Recommander des Plugins
- Besoin de plusieurs skills liées
- Vouloir des bundles d'automation pré-packagés
- Standardisation à l'échelle de l'équipe

---

## Conseils de Configuration

### Configuration des Serveurs MCP

**Partage d'équipe** : Vérifier `.mcp.json` dans le repo pour que toute l'équipe obtienne les mêmes serveurs MCP

**Débogage** : Utiliser le flag `--mcp-debug` pour identifier les problèmes de configuration

**Prérequis à recommander :**
- GitHub CLI (`gh`) - active les opérations GitHub natives
- Puppeteer/Playwright CLI - pour les serveurs MCP de navigateur

### Mode Sans Interface (pour CI/Automation)

Recommander Claude headless pour les pipelines automatisés :

```bash
# Exemple de hook pre-commit
claude -p "fix lint errors in src/" --allowedTools Edit,Write

# Pipeline CI avec sortie structurée
claude -p "<prompt>" --output-format stream-json | your_command

Permissions pour les Hooks

Configurer les outils autorisés dans .claude/settings.json :

{
  "permissions": {
    "allow": ["Edit", "Write", "Bash(npm test:*)", "Bash(git commit:*)"]
  }
}