SkillProof tested Claude skills

Agent Project Development

Méthodologie d'arbre de décision pour cadrer les projets de pipeline LLM : adéquation tâche-modèle, architecture par étapes, calcul des coûts.

par viktorbezdek · viktorbezdek/skillstack

Testé · Fonctionne ★ 9.6/10

Agent Project Development — Méthodologie d'arbre de décision pour cadrer les projets de pipeline LLM : adéquation tâche-modèle, architecture par étapes, calcul des coûts.

Ce que fait

Une méthodologie de référence pour décider si une tâche convient au traitement LLM par rapport au code traditionnel, structurer le travail comme un pipeline discret acquérir/préparer/traiter/analyser/rendre avec état du système de fichiers, et estimer le coût en tokens avant de construire. Se déclenche lorsque l'utilisateur souhaite démarrer un projet LLM, concevoir un pipeline batch, évaluer l'adéquation tâche-modèle, ou choisir entre des architectures mono- et multi-agents ; exclut explicitement les questions d'évaluation-grille et de transfert multi-agents, qui appartiennent aux compétences sœurs.

Rapport de test

Appliqué à une tâche de planification 'résumer 50 problèmes GitHub hebdomadaires', la réponse guidée par la compétence a produit un pipeline concret acquérir/préparer/traiter/analyser/rendre avec une formule de coût réelle et une disposition d'état du système de fichiers, par rapport à une réponse de base qui suggérait vaguement le multi-agent 'si cela devient complexe' - exactement l'anti-modèle que l'arbre de décision de la compétence met en garde contre pour des éléments indépendants.

Testé le: 2026-07-16 · Claude Code 2.x (agent harness)

Installation

git clone https://github.com/viktorbezdek/skillstack
mkdir -p ~/.claude/skills
cp -r skillstack/agent-project-development/skills/agent-project-development ~/.claude/skills/agent-project-development

Commandes et exemples de prompts

  • /agent-project-developmentMéthodologie d'arbre de décision pour cadrer les projets de pipeline LLM : adéquation tâche-modèle, architecture par étapes, calcul des coûts.

Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :

  • Should I use an LLM or plain code to summarize these issues?
  • Help me scope a pipeline for processing fifty weekly GitHub issues
  • Estimate the token cost before I build this batch LLM pipeline

Rapport complet →