Agent skills¶

reactifact поставляет Agent Skills — файлы SKILL.md, которые кодирующие агенты (Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, …) подгружают по требованию, чтобы писать код на reactifact так, как задумано. Они лежат внутри пакета (reactifact/skills/), поэтому установленные скиллы всегда совпадают с версией reactifact.

Для этой библиотеки это важнее, чем для типичной: парадигма reactifact (артефакты, produce/consume, эффекты, провенанс) не похожа на mutation-ориентированные агентные фреймворки, и модель, обученная на них, иначе напишет императивный код с состоянием, воюющий с рантаймом. Скиллы кодируют ментальную модель и типовые ошибки — а каждый исполняемый блок кода в них прогоняется в CI, поэтому они не гниют незаметно.

Установка¶

python -m reactifact skills list                      # что доступно
python -m reactifact skills install                    # -> .agents/skills/
python -m reactifact skills install --target both      # ещё и .claude/skills/
python -m reactifact skills install reactifact-agents  # один скилл
python -m reactifact skills show reactifact            # показать SKILL.md

.agents/skills/ — формат, который читают Codex, Cursor, Gemini CLI и Copilot; Claude Code читает ещё и .claude/skills/. Закоммитьте установленную папку, чтобы вся команда получала одинаковые подсказки.

Скиллы¶

Скилл	Для чего
`reactifact`	Точка входа: ментальная модель, три инварианта, рабочая петля (design → implement → wire → test → evaluate), таблица маршрутизации и топ-ошибки. Читать первым.
`reactifact-agents`	Глубокий авторинг агентов и produce: варианты `Consume` (`by_status`, `by_field`, `JoinConsume`, `AbsentConsume`, `CorrelatedConsume`), все эффекты, id/идемпотентность, провенанс, планирование.
`reactifact-llm`	LLM-шаги: провайдеры, структурный вывод в типизированные артефакты, `StructuredGenerateAgent`/`LLMAgent`/HITL, `@tool`, промпты, бюджеты токенов/стоимости.
`reactifact-rag`	Ретрив: источники (filesystem, CSV, web, embeddings), `fan_out_sources`, `materialize_doc` и готовые рецепты (router, plan-execute, reflection, memory).
`reactifact-testing`	Детерминированные тесты через `ScenarioLab`: ассерты, инъекция сбоев, record/replay, golden-снимки, pytest-плагин и CLI `scenario`.
`reactifact-eval`	Оценка качества по датасету: многоуровневые метрики, сопоставление типизированных траекторий, LLM-as-judge и CI-гейт.
`reactifact-observability`	Трейсы и `TraceStore`, метрики Prometheus, сессии/устойчивость, детерминированный replay и ветвление, CLI graph/trace.
`reactifact-from-langchain`	Порт кода LangChain/LangGraph: карта понятий и пошаговый рецепт миграции.

Структура¶

Каждый скилл — reactifact/skills/<name>/SKILL.md с YAML-frontmatter (name, description) и телом-workflow; объёмный справочный материал лежит в папке references/ скилла и читается только при необходимости. Блок ```python исполняется в CI, если не начинается с # not-run (иллюстративные фрагменты), поэтому примеры всегда валидны для текущего API.