Installe un hook PreToolUse qui intercepte et bloque les opérations Git dangereuses avant qu'un agent (Claude Code) ne puisse les exécuter. Le hook détecte des commandes telles que git push (y compris --force), git reset --hard, git clean -f/ -fd, git branch -D, et des modèles de checkout/restore destructifs, renvoyant une réponse BLOCKED afin d'empêcher l'agent appelant d'effectuer des changements irréversibles. Cela ajoute une couche de sécurité pour les agents ayant un accès au shell ou au dépôt.
Utilisez cette compétence lors de l'exécution d'agents automatisés susceptibles d'exécuter des commandes git dans des dépôts de développeurs ou des espaces de travail CI, en particulier sur des machines partagées ou des projets avec un historique important. Idéal pour prévenir les force-push accidentels, les réécritures d'historique ou les suppressions massives par des agents ou des scripts non approuvés.
scripts/block-dangerous-git.sh inclus.claude/settings.json ou ~/.claude/settings.json, rendu exécutable, et test du hook avec une commande d'exemple.Conçu pour Claude Code (hooks PreToolUse), mais le modèle s'applique à tout runtime d'agent prenant en charge les hooks PreToolUse et l'interception de commandes.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Optimiseur de Code (Audit de Performance)
Réalise des audits de performance approfondis sur les bases de données, la mémoire, les algorithmes, la concurrence, les E/S, le bundling et plus encore, via des agents spécialisés et une détection basée sur des patterns.
Base de Connaissances (Centre d'Aide)
Conseils et modèles pour concevoir l'architecture d'un centre d'aide, rédiger des articles de support efficaces et optimiser la recherche pour maximiser la redirection vers le libre-service.
OpenAI CLIP
Pré-entraînement contrastif langage-image (classification d'images zero-shot, similitude image-texte et récupération cross-modale).
Weights & Biases (wandb)
Intégrez Weights & Biases pour le suivi d'expériences ML : journalisez les métriques, les hyperparamètres, les points de contrôle, lancez des sweeps et consultez des tableaux de bord collaboratifs.
EconML (Microsoft) — Effets de Traitement Hétérogènes
Guide et exemples pour utiliser Microsoft EconML afin d'estimer les effets de traitement hétérogènes (Double ML, Causal Forest, Deep IV) à partir de données observationnelles.
