Divalto Divalto Ia Devkit Discovering Skills

Discovering Skills

Contenu

• Utilisation
• Discipline d'invocation
• Modes du script query_catalog.py
• Exemples de reponses
• Catalog source de verite

Utilisation

Ce skill est une table des matieres interactive des skills DIVA installes. Il s'appuie sur un catalog.json embarque (regenere a chaque build de distribution).

Regle : ne pas lire directement le catalog.json dans le contexte Claude. Utiliser query_catalog.py qui extrait uniquement le sous-ensemble pertinent.

Avant de lancer la commande, reformuler la demande pour choisir le mode :

Discipline d'invocation

Ces deux regles encadrent l'usage de l'ensemble du devkit DIVA. Elles s'appliquent independamment des regles internes a chaque skill (P-A/P-B de understanding-integrator-workspace, 4PRINCIPLES, anti-patterns metier, etc.). Le discovering-skills est le point d'entree annonce du devkit -- il porte ces regles parce qu'elles concernent la discipline d'invocation des skills, pas un skill particulier.

Regle 1 -- Documentation skill = source autoritaire pour les conventions

Pour toute question de convention, regle, nommage, structure dans le perimetre DIVA, la source autoritaire est la documentation des skills (reference/*.md). Le filesystem n'est jamais source primaire -- au plus un cross-check de confirmation apres lecture de la doc.

Ordre correct quand le collaborateur pose une question de convention/structure :

1. discovering-skills detail <skill-pertinent> -- identifier le skill qui couvre le sujet
2. Lecture des references du skill (reference/*.md listees dans le SKILL.md)
3. Reponse appuyee sur la doc -- avec citation des fichiers references
4. (Optionnel) cross-check filesystem pour confirmer un point particulier

Ordre erronne (a eviter) :

1. find / grep / ls dans le filesystem pour deduire la convention -> donne une reponse moins fiable
2. Inference par symetrie/observation -> peut etre un cas particulier, une coutume locale, ou une erreur historique
3. Reponse formulee sans appui sur la doc

Pourquoi cette regle : la doc skill est ecrite et revue. Le filesystem est un instantane de l'etat reel d'un workspace -- il peut contenir des conventions specifiques au partenaire, des erreurs heritees, des exceptions ponctuelles. Confondre les deux mene a des reponses qui semblent justes mais qui ne sont pas la regle generale.

Exception unique : quand un skill annonce explicitement que la verite vit dans un fichier source (ex: a5tczoom.dhsp comme catalogue de constantes pour allocating-zoom-numbers, ou gtfdd.dhsd pour le dictionnaire), c'est ce fichier qui est consulte -- mais via le skill qui le rend autoritaire, pas via un cat direct.

Regle 2 -- Skills DIVA prioritaires sur toute commande improvisee

Si un skill DIVA couvre l'operation demandee, l'invoquer -- pas de raccourci find / grep / cat qui simulerait l'operation. Les skills ne sont pas des suggestions optionnelles, ils sont la maniere canonique d'operer sur l'ERP DIVA.

Examples concrets :

Pourquoi cette regle : les skills encapsulent (a) les conventions de la plateforme, (b) les protocoles de validation (check_*, validate_*), (c) les pieges connus catalogues par RETEX. Court-circuiter un skill par une commande improvisee = reproduire des operations sans les garde-fous. Le resultat peut sembler equivalent mais perd la coherence et la tracabilite.

Quand cette regle ne s'applique pas :

• Question hors perimetre DIVA (ex: question sur Git, Docker, Python pur).
• Operation explicitement non couverte par un skill et signalee comme telle (perimetre hors-scope documente dans le SKILL.md correspondant).
• Reflexe d'observation rapide sur le workspace (un ls pour voir le contenu d'un dossier) qui n'engage pas une operation metier.

Dans le doute : passer par discovering-skills search <mots-cles> pour verifier qu'aucun skill ne couvre la tache avant de la faire a la main.

Application a Claude

Ces deux regles concernent le comportement de Claude lors d'une session sur un workspace DIVA. Elles ne demandent rien au collaborateur. Concretement :

• Avant toute reponse a une question de convention/structure : Claude consulte la doc du skill pertinent.
• Avant toute commande improvisee dans le perimetre DIVA : Claude verifie qu'un skill ne la couvre pas.
• En cas de doute : discovering-skills est le point d'entree pour la verification.

Modes du script query_catalog.py

py .claude/skills/discovering-skills/scripts/query_catalog.py <mode> [arguments]

1. overview

Panorama complet : chaque workflow avec la liste de ses skills (nom + summary court). C'est la reponse type pour "que peux-tu faire ?".

py .claude/skills/discovering-skills/scripts/query_catalog.py overview

2. detail

Fiche complete d'un skill : description, quand l'utiliser, workflow, orchestrateur, nombre de checkpoints, scripts, references, skills lies, prerequis.

py .claude/skills/discovering-skills/scripts/query_catalog.py detail creating-diva-entity

3. search

Recherche insensible a la casse dans le nom, description, summary, scripts, skills lies. Utile quand la demande est formulee en langage libre ("je veux ecrire un fichier ISAM").

py .claude/skills/discovering-skills/scripts/query_catalog.py search ISAM
py .claude/skills/discovering-skills/scripts/query_catalog.py search "masque ecran"

4. workflow

Liste les skills d'un workflow. Ids disponibles : analyze, create, modify, files, isam, validate, test_doc, reference.

py .claude/skills/discovering-skills/scripts/query_catalog.py workflow create

5. verb

Liste les skills d'un verbe (1er segment du nom). Exemples : generating, reading, writing, managing, allocating, analyzing.

py .claude/skills/discovering-skills/scripts/query_catalog.py verb generating

Option --json

Tous les modes acceptent --json pour sortir au format machine (debug, chainage). Par defaut la sortie est un texte markdown lisible.

Exemples de reponses

"que peux-tu faire ?"

Invoquer overview, puis resumer au collaborateur :

Tu disposes de 31 skills DIVA organises en 8 workflows. Points d'entree principaux : creer une entite metier (creating-diva-entity), analyser une demande (analyzing-diva-request), modifier une entite (modifying-diva-entity), documenter un module (documenting-erp). [puis liste par workflow]

"que fait creating-diva-entity ?"

Invoquer detail creating-diva-entity, puis presenter :

creating-diva-entity est l'orchestrateur de creation d'entite metier. 11 checkpoints annonces : calcul des noms, generation des 3 fichiers source, validation croisee, dictionnaire, compilation, ISAM, menu. Coordonne 13 autres skills. Deux scripts : generate_alias.py, cross_validate.py. 8 fichiers de reference. Prerequis : Jinja2, diva-mcp (optionnel), xwin7.exe.

"quel skill pour ajouter un champ ?"

Invoquer search "ajout champ" ou search modifier, puis proposer :

Pour ajouter un champ a une entite existante : modifying-diva-entity (orchestrateur, 4 checkpoints). Met a jour le dictionnaire (.dhsd) avec recalcul des positions, le masque ecran (.dhsf), recompile et synchronise SQL.

Catalog source de verite

Le catalog est genere par scripts/build_catalog.py a la racine du workspace (cote architecte) et copie dans reference/catalog.json a chaque build de distribution.

Chez le collaborateur : le catalog est fige au moment du build. Pour le regenerer il faut re-installer une nouvelle version des skills via le zip.

Champs par skill :

Le champ related_skills signifie "skills mentionnes", pas "skills appeles" : pour un orchestrateur ce sont les skills coordonnes, pour un skill simple ce sont des skills complementaires cites en reference.

Source: divalto/divalto-ia-devkit — distributed by TomeVault.