Aller au contenu
Version française : FREN
Installer

reasoning-trace-optimizer

muratcankoylan/Agent-Skills-for-Context-Engineering / examples/interleaved-thinking

analyse les traces de l'agent , ce qui améliore : repère les dérives et améliore ses prompts

note 4/10risque élevé18,2 k étoiles du dépôt

Fiche

note du juge
4/10
place
hors pack
éditeur
muratcankoylan
statut
nouveau
dernier commit du skill
15 mai 2026
étoiles du dépôt
18 177
type principal
Construire avec Claude

Jugement

Déclenchement vague et centré sur MiniMax M2.1 (API, pensée entrelacée). Le paquet Python rto et le mode analyze-session ne sont pas fournis ni implémentés pour Claude Code. Idées utiles mais peu de savoir-faire vérifiable.

réserves

  • Le paquet Python rto (cli, analyzer, optimizer) n'est pas fourni : impossible de vérifier les commandes et le fonctionnement réel.
  • Écrit pour l'API MiniMax (api.minimax.io, M2.1) et non pour Claude Code. Le mode analyze-session et l'événement post_tool_error du hook ne correspondent à aucune API Claude Code documentée.
  • Contenu partiellement marketing (section Partnership, citations de l'article MiniMax) et annexes tronquées (agentthinking, interleavedthinking, analysis) ; l'annexe interleavedthinking reste en grande partie non lue.
sous-notes
Déclenchement
1/2
Valeur ajoutée
1/2
Précision
1/2
Périmètre
1/2
Qualité
0/2

Alertes

3 alertes, par catégorie

Exécution

  • risque élevé

    Le hook d'exemple lance une commande shell (rto analyze-session) sur une erreur d'outil : si le hook est copié tel quel, il exécute du code tiers à chaque erreur.

Réseau

  • risque élevé

    Le mode d'optimisation envoie tâches, prompts et traces complètes (pouvant contenir du code ou des secrets) à un tiers, l'API MiniMax.

Scan statique

  • risque info

    scripts embarqués, que le SKILL.md ne lance pas

    examples/01_basic_capture.py, examples/02_tool_usage.py, examples/03_full_optimization.py, reasoning_trace_optimizer/__init__.py, reasoning_trace_optimizer/analyzer.py

Description d’origine

Debug and optimize AI agents by analyzing reasoning traces, context degradation, tool confusion, instruction drift, repeated task failures, and performance regressions.

ajouté le 19 oct. 2026 · licence MIT