From divalto-devkit
Assiste un collaborateur qui pose une question fonctionnelle conversationnelle sur le standard ERP Divalto (formulations du type "ne comprends pas pourquoi X ne marche pas", "il manque une info pour que Y fonctionne", "quand l'option Z est activee, W n'apparait plus"). Produit une reponse **chat-ready** courte (< 40 lignes) identifiant 3 a 5 causes probables classees par probabilite, chacune avec une reference fichier:ligne dans X.13 et une action de verification concrete. Cycle court (< 5 min). Ne genere aucun fichier disque. A utiliser quand un collegue colle un message de chat, une capture d'ecran Teams/Slack, ou reformule a l'oral une question sur un parametrage ou un comportement du standard -- pas quand le collaborateur s'apprete a coder (UC-100).
How this skill is triggered — by the user, by Claude, or both
Slash command
/divalto-devkit:assisting-functional-questionThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
Cas d'usage UC-110. Reponse a une question conversationnelle sur le fonctionnement
Cas d'usage UC-110. Reponse a une question conversationnelle sur le fonctionnement
du standard ERP Divalto. Contrairement a analyzing-diva-request (UC-100) qui prepare
un developpeur a coder, ce skill aide un collaborateur a comprendre un
comportement standard ou debloquer un parametrage.
Signaux declencheurs (au moins un doit matcher) :
| Forme d'entree | Exemple |
|---|---|
| Chat paste (Teams / Slack / mail) | "je suis bloque sur X, j'ai active Y et maintenant Z ne fonctionne plus" |
| Capture d'ecran de chat | Image d'une conversation Teams avec une question |
| Question orale transcrite | "quelqu'un sait pourquoi le zoom client ne montre rien quand on active les etablissements ?" |
| Question directe de Stephane | "Nicolas m'a demande X, tu peux l'aider ?" |
Signaux anti-declencheurs (ne PAS utiliser ce skill) :
analyzing-diva-request (UC-100)creating-diva-entity (UC-001)documenting-erp (UC-200)reference/chat-ready-format.md.fichier:ligne du code X.13.Lire la question telle qu'elle a ete transmise (chat, capture, texte libre). Identifier :
CHECKPOINT CP1 -- Besoin d'une precision ? (conditionnel)
Ne declencher que si la question est trop ambigue pour avancer. Exemples :
- module non identifiable (DAV / compta / regl / tiers ?)
- symptome evasif ("ca ne marche pas" sans preciser quoi)
- date relative ambigue ("comme hier")
Demander une seule question ciblee (pas une batterie). Exemple : "Juste pour cadrer : c'est sur un zoom, un ecran de saisie, ou un traitement batch ?"
Si la question est suffisamment claire (cas le plus frequent avec les collegues experimentes) : ne pas declencher CP1, passer direct etape 2.
Utiliser le lexique reference/lexique-metier-technique.md pour traduire chaque
terme conversationnel en symbole DIVA grep-able :
SOC.EntCodN(N)a5rsrub.dhsq, grtz002_sql.dhspSoc_Gerer_X_YProduire une liste mentale de 5-8 symboles candidats a investiguer.
Si un concept n'est pas dans le lexique : faire une inference raisonnable a partir des conventions DIVA (prefixe domaine + type de fichier) et noter le nouveau concept pour enrichissement ulterieur du lexique.
Budget : 4-6 appels d'outils en PARALLELE, pas plus. Chaque appel doit etre une recherche / lecture precise, pas une exploration large.
Types d'appels :
{CHEMIN_ERP_STANDARD}diva-mcp) pour explorer les definitions de fonctions, si disponibleContraintes :
head_limit: 20-30 pour eviter la sur-information*.dhsq (filtres SQL), *.dhsp (logique), *.dhsf (masques)Pour chaque symbole matche, noter :
fichier:ligne precis4a. Parcourir reference/patterns-causes.md et selectionner les patterns
compatibles avec les symptomes.
4b. Pour chaque pattern selectionne, formuler :
fichier:ligne issue de l'etape 34c. Classer par probabilite decroissante. Regles de priorisation :
4d. Rediger la reponse dans le format reference/chat-ready-format.md :
CHECKPOINT CP2 -- Red team sur le chat-ready
Avant d'afficher la reponse, Claude verifie mentalement :
- CA1 -- < 40 lignes ? Compter. Si > 40, condenser.
- CA2 -- 1 a 5 causes classees ? La premiere est-elle la plus probable ?
- CA3 -- Chaque cause a
fichier:ligne? Sinon, soit trouver la ref, soit retirer la cause.- CA4 -- Check-list ordonnee ? Commence par le controle le plus critique.
- CA7 -- Prerequis implicites signales ? Ex: si
EntCodN(24), mentionnerEntCodN(22).- Format : pas de
#/##/###, pas de tableaux, pas de blocs code multi-lignes, pas de jargon pipeline.- Destinataire peut-il copier-coller sans reformuler ?
Si un point manque, corriger avant d'afficher. Pas de CP5-style "validation par humain" explicite -- la reponse est directement affichee au collaborateur qui jugera lui-meme.
Voir reference/golden-example-nicolas.md pour un cas complet (chat de Nicolas SINGER
2026-04-23 sur "tiers par etablissement"), avec le scoring des 7 CA.
Ce skill est majoritairement LLM-driven. Il fournit un seul helper optionnel :
scripts/translate_keywords.py -- prend un texte en francais et liste les symboles
candidats du lexique, accelerant l'etape 2.Pas de script d'orchestration : le SKILL.md guide directement Claude.
reference/chat-ready-format.md -- spec du format de sortiereference/lexique-metier-technique.md -- traduction concept conversationnel -> symboles DIVAreference/patterns-causes.md -- catalogue des 10 patterns de causes recurrentesreference/golden-example-nicolas.md -- exemple de reference, cas Nicolas 2026-04-23usecases/UC-110-ASSISTER-QUESTION-FONCTIONNELLE.mdApres chaque invocation reelle du skill, proposer au collaborateur :
lexique-metier-technique.md si un nouveau concept a ete apprispatterns-causes.md si un nouveau pattern de cause a ete identifiereference/golden-example-<cas>.md si le cas
est representatif d'une famille recurrenteL'efficacite du skill augmente avec la taille du lexique et du catalogue.
Provides behavioral guidelines to reduce common LLM coding mistakes, focusing on simplicity, surgical changes, assumption surfacing, and verifiable success criteria.
Searches, retrieves, and installs Agent Skills from prompts.chat registry using MCP tools like search_skills and get_skill. Activates for finding skills, browsing catalogs, or extending Claude.
Creates, edits, and optimizes skills for Claude Code, including drafting, evaluating with test prompts, iterating on performance, and improving skill descriptions for better triggering accuracy.
npx claudepluginhub divalto/divalto-ia-devkit --plugin divalto-devkit