
de ai-workspace-archive17
Une compétence de gestion d'espaces et de documentation Confluence : créez des espaces, des modèles, des macros, des schémas de permissions et une gouvernance pour vos bases de connaissances d'équipe.
Fournit des conseils de niveau expert et des opérations scriptées pour la création et la gestion d'espaces Atlassian Confluence, de hiérarchies de pages, de modèles, de macros, de schémas de permissions et de gouvernance du contenu. Inclut des exemples de code pour l'intégration MCP (create_space, create_page, update_page) et une bibliothèque de modèles et de macros.
À utiliser lors de la construction ou de la restructuration d'espaces Confluence, de la rédaction de modèles pour les équipes, de l'intégration de rapports Jira, de l'audit de bases de connaissances ou de la mise en place de schémas de permissions et de gouvernance. Convient aux PM, aux propriétaires de documentation et aux administrateurs Confluence.
Compatibilité déduite avec les plateformes d'agents supportant les intégrations MCP Server et l'automatisation scriptée (ex: Claude Code, Cursor, Copilot).
Compétence de gestion d'espace Confluence avec deux scripts Python bien structurés : un analyseur d'audit de contenu et un générateur de structure d'espace. Les deux scripts nécessitent des fichiers d'entrée JSON (inventaire des pages Confluence / infos d'équipe) qui ne sont pas fournis, ils échouent donc avec des erreurs d'utilisation lorsqu'ils sont exécutés seuls. Le fichier SKILL.md est complet avec des docs d'intégration MCP claires, des étapes de flux de travail, des références de macros et des conseils de modèle. Aucune préoccupation de sécurité — les scripts sont de purs processeurs de données sans appels réseau, sans identifiants, ni opérations destructrices.
La compétence fait partie d'un dépôt plus large ai-workspace-archive avec plusieurs compétences Atlassian. Les deux scripts sont bien écrits avec un argparse approprié, une gestion des erreurs et des formats de sortie texte/JSON. Ce sont des processeurs de données (sans effets secondaires) conçus pour être invoqués par l'agent avec des données Confluence réelles. L'architecture suit bien la spécification avec la séparation references/ et scripts/. L'utilité est modérée — l'expertise Confluence est précieuse mais la compétence dépend de la configuration d'un serveur MCP Atlassian.
Claimable Postgres (pg.new)
Provisionnez instantanément des bases de données Postgres temporaires (pg.new) pour le développement, les démos et le prototypage — aucune inscription requise ; les bases expirent après 72 heures sauf si elles sont revendiquées
Git Hooks Automation
Configurez et gérez les hooks Git (Husky, lint-staged, pre-commit) pour imposer le linting, le formatage, les tests et les règles de messages de commit avant que le code n'atteigne la CI.
Segment CDP
Modèles et meilleures pratiques pour intégrer Segment (Analytics.js et SDK serveur) afin de capturer des événements côté client et serveur, concevoir des plans de suivi et éviter les erreurs courantes.
DNS Homelab Pi-hole
Guide pratique pour l'installation, la configuration et le dépannage de Pi-hole dans les réseaux homelab, incluant les installations Docker, les flux DoH, la gestion des listes de blocage et plus encore
Modèles Django + Celery
Modèles Django + Celery de qualité production : configuration, conception de tâches, planification Beat, tentatives de récupération (retries), flux de travail canvas, tests et surveillance des tâches de fond.
Orchestrateur d'Agents
Une méta-compétence pour gérer un écosystème d'agents : scanne automatiquement les compétences, associe les capacités aux requêtes et coordonne les flux de travail multi-compétences.