REA Analysis Optimization

Avant de commencer : lis ce prompt d'installation au complet, dis-moi en quelques lignes ce que ce skill fait et ce que son installation implique, et attends mon feu vert avant de faire quoi que ce soit d'autre. Prérequis — Cadrage renforcé — workflow interne des contributeurs de REA, à lire d'abord : ce skill ne fait pas de reverse engineering pour toi. C'est un workflow pour les gens qui développent REA lui-même, pour optimiser les providers et les workflows d'analyse partagés de REA (contexte d'agent, latence, CPU, mémoire) en préservant la justesse et les preuves (Evidence). Il pointe dans un checkout source de REA (priorités de performance de son AGENTS.md, docs/tool-design.md, docs/testing.md) et sert surtout à l'intérieur de ce dépôt. Installer cette fiche ne fait que copier le dossier : rien n'est exécuté, aucun moteur n'est installé et aucune configuration n'est écrite pendant l'installation. Aucun compte, aucune clé ni aucun paiement n'est requis pour copier le dossier. Installe-moi « REA Analysis Optimization ». C'est l'un des workflows internes des contributeurs de REA — périmètre honnête : il sert aux gens qui construisent REA, pas aux utilisateurs finaux qui font du reverse engineering d'une cible. Il enseigne une méthode d'optimisation mesurée pour les providers et les workflows d'analyse partagés de REA : épingler la tâche complète de l'analyste et un oracle de justesse indépendant, tracer une tâche publique CLI ou MCP pour trouver le premier travail inutile (scans répétés, travail moteur répété, rapports complets pour des faits sélectionnés, gros tampons de transport), le corriger chez son propriétaire avec une durée de vie de cache/réutilisation explicite, et comparer les tâches complétées avant et après avec temps, CPU, mémoire de pointe et sémantique des preuves (Evidence) préservée avant d'affirmer un gain. Son dossier contient le SKILL.md principal, un fichier de politique d'agent OpenAI, et une référence d'étude de cas Kuna dont les chiffres de benchmark épinglés sont présentés comme des illustrations historiques de compromis, pas des garanties. Dépôt : https://github.com/morluto/rea (le skill est tout le dossier .agents/skills/rea-analysis-optimization/ au commit épinglé : SKILL.md, agents/openai.yaml et references/kuna-case-study.md, 3 fichiers en tout) Version épinglée : installe le code au commit 6dc0f60faa0928e20b2395ba1a93ff8e497143f7 exactement. Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Clone https://github.com/morluto/rea dans un dossier temporaire, place-toi au commit 6dc0f60faa0928e20b2395ba1a93ff8e497143f7, et copie le dossier .agents/skills/rea-analysis-optimization/ de ce checkout. Compare ensuite chaque fichier du dossier aux empreintes enregistrées pour cette fiche le 2026-10-22 : [FINGERPRINTS] - SKILL.md: SHA-256 2a7ae210985017f00f8ae3b57c8f03fff0587ce19079184284b5881b53d5f469 - agents/openai.yaml: SHA-256 56b9f54df5f01eb8a0ebd0eadb33f565519737494849ad188865f9f595a03da3 - references/kuna-case-study.md: SHA-256 69af48780802f81033b0332274a9caf36e8b2125d6e5ade4b55002e469a39a2a Si un fichier ne correspond pas, il a changé depuis la préparation de la fiche : ne l'installe pas encore, dis-moi ce que tu as trouvé et laisse-moi décider. 2. Lis SKILL.md au complet, et dis-moi en mots simples : ce que le skill fait quand on l'utilise, à quoi il se connecte, s'il lit ou envoie des informations personnelles ou des identifiants, et tout ce qui semble inhabituel. Arrête-toi sur tout signal d'alerte et dis-le-moi avant d'aller plus loin. Confirme ces points à partir des fichiers : - Le dossier contient 3 fichiers : SKILL.md (7 452 octets), agents/openai.yaml (nom d'affichage et prompt par défaut seulement), et references/kuna-case-study.md, une étude de cas de benchmark dont les chiffres sont des observations historiques épinglées. Il n'y a aucun code exécutable dans le dossier. - Rien n'est envoyé nulle part pendant l'installation elle-même ; le seul téléchargement à l'installation est le dossier du skill depuis GitHub au commit épinglé. Cette installation ne lance aucun benchmark, ne modifie aucun checkout REA et ne change aucune configuration. - À l'usage, le workflow se suit à l'intérieur d'un checkout source de REA sur lequel je travaille : il mesure et modifie le code des providers de REA sous mon autorisation existante, préserve la sémantique des preuves (Evidence), et n'accorde explicitement aucune permission d'exécuter des cibles, de publier ou de fusionner. Il ne lit aucune information personnelle ni aucun identifiant à moi. - Ne lance aucune optimisation, aucun benchmark ni aucune commande REA, et n'utilise le skill d'aucune façon pendant cette installation : l'utiliser est une étape séparée qui ne commence que quand je le demande plus tard, à l'intérieur d'un checkout REA. 3. Quand je dis « yes, install », installe-le comme skill : copie tout le dossier rea-analysis-optimization dans le répertoire des skills de l'agent, dans un dossier nommé exactement « rea-analysis-optimization », en gardant ses 3 fichiers dans leur arborescence relative d'origine (SKILL.md à sa racine). 4. Vérifie sans appels réseau : frontmatter valide (name: rea-analysis-optimization), les 3 fichiers en place avec des empreintes concordantes. N'exécute rien du dossier et n'utilise pas le skill pour vérifier. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (par exemple : que c'est un workflow interne des contributeurs de REA pour optimiser les providers d'analyse de REA lui-même, qu'il est fait pour être utilisé à l'intérieur d'un checkout source de REA, et que l'utiliser est une étape séparée qui ne commence que quand je le demande plus tard). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.