MCP HubMCP Hub
SKILL·1E5980

retro-meta

Necmttn
Mis à jour 27 days ago
3 vues
104
12
104
Voir sur GitHub
Autreai

À propos

La compétence rétro-méta effectue une analyse rétrospective approfondie des rétrospectives précédentes et de votre configuration actuelle pour identifier des améliorations que votre pipeline existant pourrait manquer. Elle utilise un agent d'IA externe doté de fortes capacités de réflexion pour conduire le raisonnement lorsqu'elle est déclenchée par des phrases ou des commandes spécifiques. Utilisez-la après les rétrospectives classiques lorsque les propositions sont rares ou que vous avez besoin d'une exploration plus large au-delà des suggestions basées sur des heuristiques.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add Necmttn/ax -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/Necmttn/ax
Git CloneAlternatif
git clone https://github.com/Necmttn/ax.git ~/.claude/skills/retro-meta

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

ax:retro-meta - deep retro of retros

The companion to ax:retro. Where ax:retro walks the heuristic-derived proposals one by one, retro-meta asks: what improvements does the existing pipeline NOT yet see?

The external agent (this one, Claude Code or Codex with high thinking) drives the reasoning. The CLI just produces structured evidence and takes user-approved plans back.

When to fire

Explicit triggers only:

  • "let's do a deep retro" / "retro of retros"
  • "investigate my ax setup" / "what should I fix in my setup"
  • "review proposals the heuristic missed"
  • /ax:retro-meta slash command
  • After ax:retro finishes if the user wants broader exploration

Do NOT auto-trigger on generic "look at recent work".

Prerequisites

  • ax (axctl) is on PATH and the local SurrealDB is reachable. If ax doctor fails, stop and tell the user scripts/db-start.sh.
  • At least 3 retros in the last 30 days. Below that, evidence is too thin for a meta pass - recommend ax:retro first.

Workflow

Step 1 - Snapshot

ax retro meta --json --since=30 > /tmp/ax-meta.json

Read /tmp/ax-meta.json. The keys you care about:

  • experiment_status[] - read this FIRST (see Step 2). Each entry: experiment_id, proposal_dedupe_sig, proposal_title, proposal_form, artifact_path, days_since_accepted, opportunities_count, addressed_count, address_ratio, latest_checkpoint{kind,suggested,observed_at}, locked_verdict. Pending verdicts (locked_verdict=null) come first.
  • retros[] - raw tried/worked/failed/next per session.
  • patterns.tool_failures - sorted by total_count desc.
  • patterns.corrections - total + max-per-session + session_count.
  • patterns.friction_kinds - recurring kinds across sessions.
  • current_state.skills - what's already installed (do NOT propose duplicates).
  • current_state.open_proposals - existing heuristic proposals.
  • current_state.accepted_experiments - accepted but verdict-pending.
  • current_state.claude_md_user / claude_md_project - guidance file paths (null if absent).
  • investigation_prompts[] - the prompts you must walk.

Step 2 - Vet existing experiments FIRST

Walk experiment_status in order. For each entry with locked_verdict=null:

a. If latest_checkpoint.suggested is ignored or regressed: investigate why (read the artifact_path, sample the matching opportunities), then run ax improve verdict --set=<v> <proposal_dedupe_sig> to lock the call. b. If latest_checkpoint.suggested is adopted AND days_since_accepted > 30: lock it as adopted so it stops cluttering the open list: ax improve verdict --set=adopted <proposal_dedupe_sig>. c. If latest_checkpoint is null OR suggested is partial: leave open. Note in the final summary that it's still gathering signal.

A rule of thumb mirrored from investigation_prompts: if address_ratio < 0.1 after t+30, default to locking as ignored unless the artifact has an obvious "not yet exercised" reason.

Step 3 - Walk the investigation prompts (high thinking)

For EACH prompt in investigation_prompts:

  1. Inspect referenced state with Read / Glob / Grep:
    • skill files in ~/.claude/skills/ and ~/.agents/skills/
    • claude_md_user if non-null
    • claude_md_project if non-null
  2. Reason about a candidate improvement. Use a high thinking budget - the point is to see what the heuristic missed.
  3. If you identify a real improvement (NOT a duplicate of an existing skill or open_proposal): a. Draft a plan doc to ~/.claude/plans/<YYYY-MM-DD>-<slug>.md, 30–100 lines. Sections: Problem, Evidence (cite retro ids), Proposed change, Success signal. b. Show the user a 4–6 line summary. c. Ask explicitly: "Register this as an accepted experiment? (y/n)" d. ONLY on yes:
    ax retro plan \
      --slug=<kebab-slug> \
      --form=skill|hook|guidance|automation \
      --title="<short title>" \
      --hypothesis="<one sentence>" \
      --plan-path=~/.claude/plans/<file>.md \
      --evidence-retros=<retro:id1,retro:id2> \
      --confidence=low|medium|high
    
  4. If the prompt resolves to "no change needed" or "duplicate of existing", say so out loud and move on.

Step 4 - Optional: hand off to scaffolder

For each plan you registered, you may run:

ax improve accept --with-agent <dedupe_sig>

This spawns the internal scaffolding agent to draft an artifact (SKILL.md, hook script, etc) from the plan. Skip if the plan is already self-sufficient.

Step 5 - Summary

Print one paragraph:

  • N plans registered, M of those scaffolded
  • V verdicts locked (with kind, e.g. "2× ignored, 1× adopted")
  • K open_proposals reviewed (and their disposition)
  • Any prompts that resolved to "nothing here"
  • Suggested next retro window

Anti-patterns

  • NEVER register a plan without an explicit user yes per plan. The human is the final filter.
  • NEVER auto-accept all open_proposals - the heuristic surfaces them but the deep pass exists precisely to triage them by reasoning, not by frequency rank.
  • NEVER write directly to ~/.claude/skills/. Use ax retro plan + ax improve accept --with-agent.
  • NEVER skip Step 2's duplicate check. Proposing a Pre-Bash guard when one is already accepted just wastes the user's time.
  • Don't trust frequency alone. A frequency=1 retro can still be load-bearing if it represents a category Claude can't get right.
  • NEVER propose a new improvement that overlaps a pending experiment. Vet that one first - lock its verdict or escalate before piling on more proposals in the same area. The retrospective loop is incomplete if old experiments stay in limbo.

CLI reference

# Snapshot only (no side effects)
ax retro meta --since=30 [--limit-retros=50] [--pretty]

# Register a user-approved plan as accepted proposal + experiment
ax retro plan \
  --slug=<kebab> \
  --form=skill|hook|guidance|automation \
  --title="<title>" \
  --hypothesis="<hyp>" \
  --plan-path=<path-to-plan.md> \
  [--evidence-retros=retro:a,retro:b] \
  [--artifact-path=<path>] \
  [--confidence=low|medium|high] \
  [--frequency=<N>] \
  [--json]

# Optionally hand off scaffolding to the internal agent
ax improve accept --with-agent <dedupe_sig>

# Lock the verdict on a previously-accepted experiment
ax improve verdict --set=adopted|ignored|regressed|partial|no_longer_needed <dedupe_sig>

Output of ax retro meta defaults to JSON because the reader is you, not a human.

Dépôt GitHub

Necmttn/ax
Chemin: skills/retro-meta
0
agent-memoryagent-observabilityai-agentsbunclaude-codecodex
FAQ

Questions fréquentes

Qu’est-ce que le Skill retro-meta ?

retro-meta est un Skill Claude créé par Necmttn. Un Skill regroupe des instructions et des ressources que Claude charge à la demande pour effectuer des tâches liées à retro-meta sans consigne supplémentaire.

Comment installer retro-meta ?

Utilisez les commandes d’installation de cette page : ajoutez retro-meta à Claude Code comme plugin ou clonez son dépôt dans votre dossier skills, puis redémarrez Claude pour charger le Skill.

À quelle catégorie appartient retro-meta ?

retro-meta appartient à la catégorie Autre.

retro-meta est-il gratuit ?

Oui. retro-meta est référencé sur AIMCP et son installation est gratuite.

Compétences associées

llamaguard
Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence
cost-optimization
Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence
sports-betting-analyzer
Autre

Cette compétence Claude analyse les marchés des paris sportifs, incluant les spreads, les over/under et les paris spéciaux, en examinant les tendances historiques et les statistiques situationnelles pour identifier les paris à valeur ajoutée. Elle fournit une sortie en markdown structuré avec des recommandations actionnables à des fins éducatives. Les développeurs doivent l'utiliser pour des outils d'analyse de paris sportifs tout en notant qu'elle est conçue uniquement pour le divertissement et l'éducation.

Voir la compétence
quantizing-models-bitsandbytes
Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence