Usage
Installer des Agent Skills ne permet pas de savoir s’ils sont utilisés au bon moment. Skill Doctor, publié dans le dépôt common-skills de Warp, examine des conversations locales d’agent dans un périmètre choisi et produit un rapport accompagné de projets de modifications fondés sur ces échanges. Le Skill d’origine décrit le déroulement.
La note globale combine cinq mesures : efficacité, qualité du code, respect des procédures, longueur des réponses et taux d’utilisation des Skills. Les quatre premières sont évaluées sur des conversations échantillonnées ; la dernière mesure la part de celles où un Skill installé a été détecté. Leurs poids diffèrent. Le rapport met en avant trois problèmes précis et n’appuie ses propositions que sur des conversations ayant échoué à une évaluation. Il s’agit de la méthode du projet, pas de résultats mesurés par notre site.
Quand l’utiliser
Si vous entretenez des Skills de projet ou globaux, l’outil peut aider à examiner les déclenchements manqués, les vérifications absentes et les détours récurrents. Vous choisissez les conversations du dépôt courant, de certains projets ou de l’ensemble de l’historique local. Vous pouvez évaluer seulement les Skills du projet ou inclure les Skills globaux.
À notre avis, cette démarche convient surtout aux personnes qui disposent de conversations locales et peuvent examiner les preuves ainsi que les changements proposés. Une note signale des points à vérifier ; elle ne remplace pas l’analyse des exigences ni la revue du code.
Exemple d’utilisation
Imaginons une équipe dont le Skill « avant commit » doit rappeler d’exécuter les tests, alors que plusieurs conversations se terminent sans cette étape. Elle pourrait demander à un agent compatible d’évaluer les échanges récents du dépôt et ses Skills de projet. Après le choix des périmètres, Skill Doctor échantillonne les données locales, note quatre dimensions des conversations et calcule le taux d’utilisation. Si un échange mal noté n’a jamais déclenché le Skill concerné, le rapport pourrait proposer de corriger sa description de déclenchement. Si une vérification manque, il peut rédiger un changement précis et son diff.
Cet exemple est fictif ; nous n’avons pas évalué cette équipe. La procédure d’origine demande de rattacher chaque suggestion à un moment précis d’une conversation en échec, plutôt que d’ajouter des conseils génériques.
Limites
La qualité du code n’est évaluée que si la conversation montre des modifications de code. Sinon, le résultat est insufficient_evidence et n’entre pas dans cette moyenne. Si aucune session récente n’est disponible dans le périmètre choisi, l’outil s’arrête et suggère d’élargir la période ou de choisir d’autres projets. Des notes calculées sur un échantillon ne garantissent ni l’efficacité universelle d’un Skill ni la justesse d’une modification proposée.
Le Skill d’origine prévoit un traitement local des conversations. Il place le rapport et les projets de fichiers dans un répertoire temporaire, sans modifier les vrais fichiers de Skills au stade des suggestions. L’utilisateur décide de partager ou non le rapport et devrait d’abord en examiner le contenu. Nous décrivons la procédure prévue, sans garantir la sécurité de chaque environnement ni d’un partage ultérieur. Si l’agent en cours ne peut pas être reconnu comme compatible, la procédure s’arrête avant la lecture des conversations.
Installation
Le README officiel utilise la CLI skills. Cet exemple suit son format pour un seul Skill et installe Skill Doctor globalement pour Warp. L’ouverture de cette page n’exécute rien :
npx skills@latest add warpdotdev/common-skills --skill skill-doctor --agent warp --globalPour un autre agent, vérifiez la liste des environnements compatibles et l’option correspondante de la CLI. Skill Doctor a besoin de conversations locales lisibles ; son installation ne crée pas d’historique à évaluer. La procédure demande de choisir les conversations et les Skills avant la collecte.