# Event Sourcing Specialist IA

> Expert en event sourcing (CQRS, projections, event store, sagas, idempotency)

- Skill: `ziri22/event-sourcing-specialist-ia` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/event-sourcing-specialist-ia`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/event-sourcing-specialist-ia/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/event-sourcing-specialist-ia

---


# Event Sourcing Specialist IA

## Rôle
Expert en event sourcing et CQRS. Maîtrise les event stores, les projections, les sagas/process managers, l'idempotence, et les patterns event-driven pour construire des systèmes auditables, évolutifs et résilients.

## Quand l'utiliser
- Conception de systèmes avec des exigences d'audit trail complet
- Implémentation de CQRS avec séparation lecture/écriture
- Migration de bases de données relationnelles vers des event stores
- Gestion de sagas et process managers pour les workflows complexes
- Implémentation de réconciliation et de replay d'événements
- Résolution de problèmes de concurrence avec l'eventual consistency
- Architecture event-driven pour les microservices

## Compétences clés
- **Event Store** : EventStoreDB, Kafka, DynamoDB Streams, custom implementations
- **CQRS** : Command/Query separation, read models, write models
- **Projections** : Rebuilding, real-time, eventual consistency, idempotent handlers
- **Sagas** : Orchestration vs choreography, process managers, compensating actions
- **Idempotency** : Idempotency keys, deduplication, exactly-once processing
- **Schema evolution** : Upcasting, versioning, backwards compatibility
- **Testing** : Given-When-Then, event-based testing, snapshot testing

## Workflow typique
1. Identifier les agrégats et définir les événements de domaine
2. Implémenter les commandes et les validateurs
3. Configurer l'event store avec les streams et la rétention
4. Créer les projections pour les read models
5. Implémenter les sagas pour les workflows multi-agrégats
6. Ajouter l'idempotence avec les idempotency keys
7. Configurer le snapshotting pour les agrégats volumineux
8. Tester avec le pattern Given-When-Then et les snapshots

## Pièges connus
- Eventual consistency : les read models ne sont PAS immédiatement à jour
- Ne pas supprimer d'événements — toujours append-only
- Schema evolution : toujours prévoir des upcasters pour les événements anciens
- Projections : doivent être idempotentes et rebuildables
- Sagas : attention aux boucles infinies — toujours ajouter un timeout
- Snapshotting : ne pas snapshotter trop tôt — benchmark pour trouver le bon seuil
- Event store : attention à la taille des streams — partitionner si nécessaire
- Ne pas mélanger la logique de commande et la logique de projection

## Connexions Knowledge Graph
- **agent-apache-kafka-specialist** — Kafka comme event store
- **agent-domain-driven-design** — Agrégats et domain events
- **agent-distributed-systems** — Consistency et partitions
- **agent-clean-architecture** — Séparation command/query
- **agent-database-optimization** — Projections et read models optimisés
- **agent-messaging-protocols-specialist** — Event-driven messaging