메뉴
Drift-generierter Guard fuer `src/drift/output`. Aktiv bei Signalen: EDS. Konfidenz: 0.95. Verwende diesen Skill wenn du Aenderungen an `src/drift/output` planst oder wiederholte Drift-Findings (EDS) fuer dieses Modul bearbeitest.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | guard-src-drift-output |
| description | Drift-generierter Guard fuer `src/drift/output`. Aktiv bei Signalen: EDS. Konfidenz: 0.95. Verwende diesen Skill wenn du Aenderungen an `src/drift/output` planst oder wiederholte Drift-Findings (EDS) fuer dieses Modul bearbeitest. |
| argument-hint | Beschreibe welches Ausgabeformat (rich/json/markdown/llm/badge) geaendert wird und warum. |
src/drift/outputsrc/drift/output enthaelt 16 Formatter-Dateien: rich_output.py, json_output.py, markdown_report.py, llm_output.py, badge_svg.py, guided_output.py, grouping.py, u.a. Jede Datei verantwortet genau ein Ausgabeformat. EDS entsteht wenn Formatter anfangen zu berechnen was sie nur rendern sollten.
Konfidenz: 0.95 — das Output-Modul hat den schwersten EDS-Befund: komplexe Verschraenkung zwischen Formatierung, Aggregation und Empfehlungslogik.
rich_output.py, json_output.py, markdown_report.py oder guided_output.pysrc/drift/output/EDS tritt hier auf weil Formatter historisch begannen, eigene Aggregate zu berechnen:
guided_output.py kennt Scoring-Logik, die eigentlich in scoring/ liegtmarkdown_report.py aggregiert Finding-Counts, die eigentlich in models/ stehen solltenrich_output.py hat Farb-Logik UND Layout-Logik UND Conditional-Logik gemischtJede neue Berechnung in einem Formatter verstaerkt diese Verschraenkung.
Formatter berechnen nicht — sie rendern — ein Formatter erhaelt ein RepoAnalysis- oder list[Finding]-Objekt und gibt formattierten Text/Dict/SVG zurueck. Keine eigene Score-Berechnung, kein eigenes Grouping-Erstellen.
Gemeinsame Ausgabe-Logik gehoert in grouping.py — wenn zwei Formatter dieselbe Sortier- oder Gruppierungslogik brauchen, gehoert sie in grouping.py. Kein Copy-Paste zwischen Formattern.
json_output.py ist Single Source of Truth fuer das JSON-Schema — das Schema in drift.output.schema.json muss mit dem tatsaechlichen Output von json_output.py uebereinstimmen. Aenderungen an einem erfordern Aenderungen am anderen.
Neue Ausgabeformate als eigene Datei — kein neues Format als zusaetzliche Funktion in rich_output.py oder json_output.py. Eine neue Datei wie sarif_output.py oder csv_output.py ist der richtige Weg.
RepoAnalysis.preflight direkter Zugriff — in markdown_report.py und anderen Formattern analysis.preflight direkt nutzen (typed), nicht getattr(analysis, 'preflight', None). Das Modell hat einen definierten Typ.
Kein Formatter darf
scoring/-Module direkt importieren. Die Scores sind bereits inRepoAnalysisenthalten. Doppeltes Scoring in Formattern erzeugt Inkonsistenz.
scoring/-Modulegrouping.py, nicht inline dupliziertjson_output.py-Aenderungen: Schema in drift.output.schema.json aktualisiertmarkdown_report.py nutzt analysis.preflight direkt (kein getattr)drift nudge zeigt safe_to_commit: truesrc/drift/output/RepoAnalysis-ModellDrift-specific ADR workflow for signal, scoring, output, and architecture decisions. Use when creating, updating, or validating ADRs before implementation. Keywords: ADR, decision record, proposed, signal design, scoring change, architecture boundary, output format, Decision trailer.
Drift-specific workflow for creating, extending, and validating ground-truth fixtures for signal precision and recall. Use when adding TP/TN fixtures, confounders, boundary cases, or file_history_overrides in tests/fixtures/ground_truth.py. Keywords: ground truth, fixture, precision recall, TP, TN, confounder, boundary, file_history_overrides, ALL_FIXTURES.
End-to-end Drift workflow for adding or materially changing a signal. Use when designing a signal, implementing BaseSignal logic, adding weights, creating fixtures, updating audits, and validating precision/recall before commit. Keywords: signal development, BaseSignal, register_signal, incremental_scope, signal design, precision recall, mutation benchmark, audit_results, ADR.
Operationaler Workflow für den internen MCP-Server aus scripts/mcp_product_health_server.py. Immer verwenden, wenn Agenten Produktstatus, Release-Gates, Working-Tree-Gates oder Audit-Freshness direkt per MCP abrufen sollen statt manuelle Git-/Script-Aufrufe zu bauen. Keywords: drift_product_health, drift_release_readiness, drift_working_tree_context, drift_audit_freshness, mcp server, pre-push gates, blast report, audit freshness.
Log learnings, errors, and corrections to .learnings/ for continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects the agent, (3) A knowledge gap is identified, (4) A better approach is found. Captures corrections, insights, errors, and feature requests; promotes broadly applicable learnings to project memory files.
Post-completion self-review for coding agents that runs simplify, harden, and micro-documentation passes on non-trivial code changes. Use when: a coding task just completed, the diff touches executable source files with 10+ changed lines or high-impact logic (auth, validation, queries, file paths, network, concurrency). Feeds recurring findings into self-improving-agent via .learnings/LEARNINGS.md.