À propos
La compétence `tune` effectue une rétrospective de session pour proposer des améliorations de l'environnement, telles que des hooks, des vérifications et des accès aux outils, en déposant chaque proposition sous forme de ticket triable. Elle analyse le journal brut de la session et utilise `ax` comme système de registre. Les développeurs la déclenchent via des phrases spécifiques comme "environment retro" ou la commande `/ax:tune` afin d'optimiser leur configuration pour les sessions futures.
Installation rapide
Claude Code
Recommandénpx skills add Necmttn/ax -a claude-code/plugin add https://github.com/Necmttn/axgit clone https://github.com/Necmttn/ax.git ~/.claude/skills/tuneCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
ax:tune - what to change in the rig after one session
The user has asked to tune the rig. You read what one session actually did, name the changes to the agent's environment (hooks, checks, steering files, tools, access) that would make the next run cheaper or safer, and file every candidate in ax so it is triageable later. The session log is the primary source; ax is the ledger.
Steps
-
Call the Skill tool with
writing-for-agentsfor the writing style. -
Locate the session. Default is the current one: the id is
$CLAUDE_CODE_SESSION_IDand the log is~/.claude/projects/<cwd-slug>/<id>.jsonl. If the user names another session, take its key. Done when you hold a path that exists. -
Make it reviewable in ax, scoped. Run
ax ingest herein the background (the bareax ingestwalks every transcript on the machine). Watch its RSS; stop it at 4 GB and record that as a Tool economy finding against ax itself. Continue on the raw log while it runs. -
Build the ledger. Run
python3 -I scripts/turns.py <log>(add--fullto see each command). It prints one line per tool call withERR,DENY,RETRY,AGENT,BIGflags and a summary of calls, flags and tokens. When ax has the session, addax sessions show session:<id> --turns --jsonfor timings. Done when every flagged line has a cause you can state. -
Hunt candidates in these categories, each with evidence from the ledger (turn, tool calls spent, bytes or tokens wasted) and a fix that names a file.
- Navigation: the agent took long to find a file or fact. Fix: a pointer in auto-memory or the repo's
CLAUDE.md, never a paragraph. - Automated checks: a mistake a linter, type check, test or filesystem check would have caught. Read the repo's own check command first (
package.jsonscripts, CI workflow); an existing check that is unwired or broken is the finding. A repo with no pre-commit hook and no CI check is itself a finding. - Coding standards: classify the violation first. A mechanical one (banned API, import shape, file-location rule, a command shape) gets a deterministic check: a lint rule, a pre-commit hook, a PreToolUse hook that rewrites and allows rather than denies. Reserve prose rules for judgement calls no check can substitute for, and give them to the reviewer agent, which has the least context pressure.
- Global AGENTS.md / CLAUDE.md: always-loaded lines that did not bear on this session. Candidates for a pointer and a doc, or deletion.
- Tool economy: expensive calls. A
BIGresult, an alias or pager writing ANSI to a pipe, a denial that forced a verbatim resend, a search over the wrong tree. Fix: a rewrite hook, a tty guard, a scoped command. - No-ops: steering lines the model already obeys by default. Delete the sentence, not words from it.
- Information access: a fact the agent needed and could not reach (a session id, a dev-server log, a third-party dashboard). Fix: an env var, a tee, read-only access.
Done when each candidate has category, evidence, fix, and the file the fix lands in.
- Navigation: the agent took long to find a file or fact. Fix: a pointer in auto-memory or the repo's
-
Present the candidates to the user in order of severity: cost in this session first, then likelihood of recurrence. One paragraph each. End with which ones are mechanical (a check) and which need judgement (a rule).
-
File in ax. Read
PROPOSALS.mdfor the payload shapes. Then:ax retro brief --session=session:<id> # writes .ax/tasks/retro/<id>.md ax retro emit --session=session:<id> --source=manual --from-file=<json>The JSON holds
tried,worked,failed,next, and oneproposals[]entry per candidate, shaped by its form. Set the brief's frontmatterstatus: completed. Done whenax improve listshows the new proposals. -
Apply only when asked. If the user says fix them, apply in severity order, one commit per repo, and re-run the ledger on the next session to confirm the flag class is gone.
Reference
Implementation vs review
Work goes through two stages. The implementation agent explores, writes and debugs under the most context pressure. The review agent receives a diff and has the least. Standards belong to the reviewer; the implementer gets checks and pointers.
Files
CLAUDE.md/AGENTS.md: loaded every turn in that repo. Navigation pointers only.CODING_STANDARDS.md: read at review time. Judgement rules.~/.claude/hooks/*.sh: PreToolUse guards. PreferpermissionDecision: allowwithupdatedInputoverdeny.~/.claude/projects/<slug>/memory/: auto-memory. Pointers and machine-local facts.- Skills: docs whose description is a context pointer, or user-invoked commands.
Dépôt GitHub
Questions fréquentes
Qu’est-ce que le Skill tune ?
tune 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 tune sans consigne supplémentaire.
Comment installer tune ?
Utilisez les commandes d’installation de cette page : ajoutez tune à Claude Code comme plugin ou clonez son dépôt dans votre dossier skills, puis redémarrez Claude pour charger le Skill.
À quelle catégorie appartient tune ?
tune appartient à la catégorie Autre.
tune est-il gratuit ?
Oui. tune est référencé sur AIMCP et son installation est gratuite.
Compétences associées
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.
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.
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.
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.
