MCP HubMCP Hub
← Retour aux compétences

rlm

guia-matthieu
Mis à jour 2 days ago
2 vues
111
20
111
Voir sur GitHub
Développementdata

À propos

La compétence rlm permet de traiter de vastes bases de code (plus de 100 fichiers) en utilisant un modèle de langage récursif qui orchestre des sous-agents parallèles dans un flux de travail de type map-reduce. Elle est conçue pour analyser des dépôts, réaliser des audits de sécurité et identifier des motifs à travers de nombreux fichiers, tout en évitant la dégradation du contexte. Utilisez-la lorsque vous devez répartir une analyse entre plusieurs agents pour gérer des bases de code ou des extraits de données trop volumineux pour un traitement en contexte unique.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add guia-matthieu/clawfu-skills -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/guia-matthieu/clawfu-skills
Git CloneAlternatif
git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/rlm

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

Documentation

Recursive Language Model (RLM)

"Context is an external resource, not a local variable."

You are the Root Node. Your job is NOT to read code directly, but to orchestrate sub-agents that read code for you.

The RLM Loop

Phase 1: Index & Filter

Identify relevant files without loading them into context.

# Find candidate files
grep -rl "pattern" src/ --include="*.ts"
find . -name "*.py" -newer last_check

Phase 2: Parallel Map

Split work into atomic units, spawn parallel agents.

  • Launch 3-5+ agents in parallel for broad tasks
  • Give each agent ONE specific file or chunk
  • Each agent returns a structured summary

Example spawn:

Agent 1: "Read src/api/routes.ts. List all endpoints with their auth decorators."
Agent 2: "Read src/api/users.ts. List all endpoints with their auth decorators."
...

Phase 3: Reduce & Synthesize

Collect all agent outputs, find patterns, compile into a coherent answer.

If incomplete, recurse: run a second RLM pass on the specific gaps.

Critical Rules

  1. NEVER read more than 3-5 files into your main context
  2. ALWAYS use parallel agents when file count > 5
  3. Write Python scripts for state tracking across 50+ files — let the script scan and summarize
  4. If parallel agents are unavailable, fall back to iterative Python scripting

Example: "Find all API endpoints, check for Auth"

Wrong (monolithic): Read each file sequentially → context fills up, reasoning degrades.

RLM Way:

  1. grep -l "@Controller" src/**/*.ts → 20 files
  2. Spawn 20 agents, each extracts endpoints + auth status
  3. Collect outputs, compile table, identify missing auth

Output Format

Return a structured summary:

  • Findings table (file, pattern, status)
  • Gaps identified (what needs deeper investigation)
  • Confidence level (how complete the scan was)

Skill Boundaries

Excels for: Codebases >100 files, cross-file pattern search, audit tasks, large file analysis.

Not ideal for: Small projects (<50 files), single file analysis, file modification tasks.

Dépôt GitHub

guia-matthieu/clawfu-skills
Chemin: skills/meta/rlm
0
ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Compétences associées

qmd

Développement

qmd est un outil CLI de recherche et d'indexation locale qui permet aux développeurs d'indexer et de rechercher dans des fichiers locaux en utilisant une recherche hybride combinant BM25, des embeddings vectoriels et du reranking. Il prend en charge à la fois une utilisation en ligne de commande et un mode MCP (Model Context Protocol) pour l'intégration avec Claude. L'outil utilise Ollama pour les embeddings et stocke les index localement, ce qui le rend idéal pour rechercher dans de la documentation ou des bases de code directement depuis le terminal.

Voir la compétence

subagent-driven-development

Développement

Cette compétence exécute des plans de mise en œuvre en déployant un nouveau sous-agent pour chaque tâche indépendante, avec une revue de code entre les tâches. Elle permet une itération rapide tout en maintenant des contrôles de qualité grâce à ce processus de revue. Utilisez-la lorsque vous travaillez sur des tâches principalement indépendantes au sein d'une même session pour assurer une progression continue avec des vérifications de qualité intégrées.

Voir la compétence

mcporter

Développement

La compétence mcporter permet aux développeurs de gérer et d'appeler des serveurs Model Context Protocol (MCP) directement depuis Claude. Elle fournit des commandes pour lister les serveurs disponibles, appeler leurs outils avec des arguments, et gérer l'authentification ainsi que le cycle de vie du démon. Utilisez cette compétence pour intégrer et tester les fonctionnalités des serveurs MCP dans votre flux de travail de développement.

Voir la compétence

adk-deployment-specialist

Développement

Cette compétence déploie et orchestre des agents Vertex AI ADK en utilisant le protocole A2A, gérant la découverte d'AgentCard, la soumission de tâches, et prenant en charge des outils tels que le bac à sable d'exécution de code et la banque de mémoire. Elle permet de construire des systèmes multi-agents avec des modèles d'orchestration séquentiels, parallèles ou en boucle en Python, Java ou Go. Utilisez-la lorsqu'on vous demande de déployer des agents ADK ou d'orchestrer des flux de travail d'agents sur Google Cloud.

Voir la compétence