Loop Observatory

Prérequis : Aucun — pas de compte, pas de clé API. Python 3 nécessaire seulement si tu exécutes les scripts auxiliaires du skill. Pas de compte GitHub nécessaire sauf indication ci-dessus. Installe-moi « Loop Observatory ». Un skill pour l'agent Muse qui inspecte la télémétrie d'exécution LoopKit : résume une exécution, compare les exécutions pour les régressions, classe les modèles de boucles par fiabilité, détecte les points chauds d'échec. Strictement en lecture seule — n'écrit ni n'exécute jamais rien. Dépôt : https://github.com/Israelmusondaayliffe/muse-skills/tree/main/skills/loop-observatory 1. Récupère le fichier SKILL.md, les scripts et les références depuis le dépôt dans un dossier temporaire et résume ce qu'il fait en une ou deux phrases. 2. Contrôle de sécurité : passe en revue le SKILL.md et les scripts Python pour repérer tout comportement suspect (appels réseau inattendus, commandes système, récolte d'identifiants). Au moindre drapeau rouge, arrête-toi et préviens-moi. 3. Installe-le comme skill : copie SKILL.md, les scripts et les références dans le répertoire de skills de l'agent, dans un dossier nommé « loop-observatory ». 4. Vérifie sans appel réseau : frontmatter valide, scripts Python compilables. 5. Résume-moi : ce qui a été installé, où, et ce qu'il me reste à faire moi-même. GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne l'exige jamais sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Au moindre doute, arrête-toi et demande-moi.