Wf Impl logo

Wf Impl

Community
tomsej
wf-impl

Dirigent jednoho workflow kontraktu ve svém super.engineering worktree — deleguje implementaci na subagenta, mezi fázemi pouští wf-gate, review předá skill wf-review, otevře draft PR (guardovaný), vyřeší komentáře, spustí UAT. Použij, když task session říká, že se má kontrakt provést přes wf-impl.

Overview

Publishertomsej
Repositorypi-ext
Skill namewf-impl
Stars
80
Forks
8
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by tomsej on GitHub. Read the source before you install it.

Installation

Install the Wf Impl AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/tomsej/pi-ext/tree/main/skills/wf-impl
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/tomsej/pi-ext.git /tmp/pi-ext
mkdir -p .claude/skills
cp -r /tmp/pi-ext/skills/wf-impl .claude/skills/wf-impl
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Wf Impl in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Wf Impl on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Wf Impl is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

/wf-impl — dirigent kontraktu (worktree session)

Diriguješ, produkční kód nepíšeš. Každá fáze = delegace; přechody řídí VÝHRADNĚ exit kódy wf-gate — „hotovo" od agenta neznamená nic. Nikdy nespouštěj sc worktree create. Foreground příkazy v gtimeout <s>, dlouhé běhy přes bg_start — nikdy neomezený foreground watch.

GATE = node ~/Workspace/pi-ext/wf/wf-gate.mjs SPEC = absolutní cesta ke contract.md z tvého tasku (kontrakt má vlastní adresář ~/Workspace/specs/<projekt>/<název>/ i pro další artefakty). Když soubor chybí, zastav a reportuj — kontrakt nevymýšlej ani nehledej v repu.

Extension wf-gate blokuje gh pr create, dokud v .wf/receipts.jsonl není průchozí FULL verify a review attest na aktuálním čistém HEADu; gh pr merge je blokovaný vždy. Guard neobcházej, splň ho — reason říká, který receipt chybí.

Fáze 0 — orientace (a zároveň resume)

  1. Přečti SPEC; spusť GATE begin SPEC (nabije guard, spotřebuje launch claim).
  2. GATE agents SPEC --json → impl a review — modely nikdy neodhaduj z YAML.
  3. GATE verify SPEC preflight --json — levná kontrola prostředí; fail zastaví práci před buildem. Starší kontrakt bez preflightu jen viditelně přeskoč.
  4. Hotové fáze odvoď z reality (git log na branchi, receipts, gh pr view --json state); pokračuj od první nedokončené.

Fáze 1 — implementace

Jeden subagent_spawn s harness, model a reasoning_effort z impl, working_dir = tenhle worktree. Dirigent drží krátký orchestration kontext a do produkčního kódu nesahá. Zadání:

Implementuj kontrakt na <SPEC> striktně TDD po skupinách kritérií:

  1. Z kontraktu čti sekce Akceptační kritéria, Strategie testování, Scope, Non-goals a Přístup; frontmatter, verify a review plán jsou věc dirigenta.
  2. Rozděl kritéria na soudržné skupiny (jeden modul / jedno chování, typicky 3–5 kritérií, ideálně do osmi skupin) a rozpad napiš do reportu.
  3. Na každou skupinu jeden cyklus: RED (jeden test soubor, testy celé skupiny padají ze správného důvodu) → GREEN (minimální kód) → refactor jen na zeleném. Cíl 1–2 test případy na kritérium (tabulka případů = jeden test); víc jen kde kritérium jinak nepřibiješ.
  4. Kritérium platné už na baseline (zachované chování, regrese) RED nemá: napiš charakterizační test, ukaž ho zelený před i po změně, v reportu označ jako regresní. Nikdy kvůli RED nerozbíjej produkční kód.
  5. V RED/GREEN pouštěj jen dotčený test soubor, jedním příkazem krátkým na zeleno i vypovídajícím na červeno (node --test <soubor> 2>&1 | tail -30 nebo ekvivalent). Stejný test nikdy dvakrát kvůli jinému reporteru — jeden dražší výstup stačí. Celou sadu nepouštěj — tu vlastní gate.
  6. Kontext drž krátký: nevypisuj právě zapsané soubory, nečti znovu, co už máš.
  7. Drž se sekce Scope, respektuj non-goals a vyloučené přístupy. Test nikdy neoslabuj, aby prošel.
  8. Commit po každé skupině (Conventional Commits); branch nepřejmenovávej.
  9. Žádné review, žádní revieweři. Nikdy gh pr create ani gh pr merge — endgame vlastní dirigent (u codex harnessu je tahle věta jediná obrana, guard tam není).
  10. Produktové rozhodnutí, které z kontraktu neodvodíš, nehádej: skonči a napiš tu otázku do svého reportu.

Čekej na dokončovací notifikaci — žádné sleep/poll smyčky; subagent_check jednou, jen při podezření na zásek. Postup měř přes nové commity; uživatel běh sleduje přes /subagents.

Report subagenta ulož celý do .wf/impl/<HEAD>.md — chat není trvalý checkpoint. Skončí-li subagent otázkou, eskaluj (viz Blokace) a další kolo spusť s odpovědí v zadání.

Fáze 2 — review

GATE verify SPEC quick --json, pak načti skill wf-review z ~/Workspace/pi-ext/skills/wf-review/SKILL.md a proveď ji pro SPEC. FAILED (nevyřešené legitimní nálezy) → zastav a eskaluj; na full gate ani PR nepokračuj.

Fáze 3 — finální full gate

  • Nejdřív: sc worktree status --json → target branch, fetchni ji. Posunula-li se od merge-base, integruj jednou podle pravidel projektu; konfliktní nebo behaviorální fix vrať přes quick gate a review změněných oblastí. Full běží až na finálním čistém HEADu.
  • GATE verify SPEC full --json spouštíš SÁM. Nikdy nespouštěj just gate ... full ani scripts/gate.sh ... full přímo — obešlo by to zámek a receipt. Full gaty se napříč worktree serializují zámkem; čekání na lock je fronta, ne zásek. Logy: .wf/logs/<HEAD>/, JSON report: .wf/verify/<HEAD>/.
  • Po PASS: GATE attest review SPEC na témže HEADu.
  • Fail → nový subagent: co přesně padlo (id záznamu + tail výstupu), co předchozí pokus udělal a jaké hypotézy vyloučil (z jeho reportu), diagnostika od nuly. Max 3 opravná kola; každý fix → quick gate + review změněných oblastí → znovu finální full. Bez nového signálu čtvrté kolo nespouštěj. Warningy a odložené záznamy patří do popisu PR.

Fáze 4 — ship

Z attestovaného HEADu otevři draft PR, vyčkej na CI a vyřeš komentáře. Pohne-li kterýkoli fix HEADem → zpět do fáze 2 (review změn + finální full + attest). Teprve po stabilním CI a komentářích spusť UAT a potom explain — žádné zastaralé kopie souběžně s PR fixy.

  • uat: auto → načti skill wf-uat z ~/Workspace/pi-ext/skills/wf-uat/SKILL.md pro SPEC; jeho report předej skillu wf-explain z ~/Workspace/pi-ext/skills/wf-explain/SKILL.md spolu s posledním gate reportem. uat: manual → UAT přeskoč a napiš to; explain běží vždy. wf-explain zapíše explanation.md vedle kontraktu — cestu dej do finálního reportu.

  • gh pr create --draft, titulek ve stylu Conventional Commits. Popis VŽDY anglicky a krátce (max ~120 slov před markerem):

    ## Why
    <1–2 sentences — the contract's Business shrnutí, translated to English>
    
    ## What changed
    <2–4 bullets, behavior-level — never a file-by-file narration>
    
    ## Verification
    <1–3 bullets: full gate PASS, review rounds done, CI>
    
    <!-- wf-spec: <name> -->
  • Marker <!-- wf-spec: <name> --> je literál, na GitHubu neviditelný — GATE status podle něj páruje PR se specem; nikdy ho nevynechej. Žádná vata, žádný detail, který diff ukazuje sám. Warningy/odložené gaty jako sbalený <details><summary>Gate warnings</summary> checklist (nezaškrtnutý, dokud to nedokáže CI nebo idle běh); bez warningů sekci vynech.

  • CI kontroluj po dokončovací události nebo pár omezenými dotazy (gh pr checks, nikdy --watch ani sleep smyčka); posuzuj přes gh run view <run-id> --json status,conclusion,jobs. Všechny joby steps=0 a main padá stejně → CI je infrastrukturně blokované; lokálně ho neemuluj bez výslovné žádosti. Každý nový commit vrací tok do review změn a finálního full gatu — samotný quick ani attest nestačí.

  • Komentáře (boti, code scanning, lidi): ověř proti kódu, legitimní oprav, na každý thread odpověz commitem nebo zdůvodněním na úrovni kódu. Mechanicky vymahatelný nebo opakující se nález zkodifikuj skillem review-guards (ast-grep pravidlo s testem / řádek v REVIEW_GUIDELINES.md) ve stejném commitu. Nikdy nemerguj. Změnily-li fixy viditelné chování, srovnej „What changed" s diffem. Další dávky komentářů přijdou dispatchem z wf-run.

Blokace?

Produktové rozhodnutí, které z kontraktu neodvodíš → otázka tam, kde ji uživatel uvidí (komentář na PR nebo sc worktree review-add), a v reportu napiš, že fáze stojí na odpovědi. Nikdy nehádej, nikdy neumři potichu.

Finální report (česky)

Fáze, commity, výsledky gatů včetně warningů, výsledek review, PR link, UAT nebo ruční kroky, cesta k vysvětlení, cokoli nevyřešeného.

Frequently asked questions

What does the Wf Impl AI skill do?

Dirigent jednoho workflow kontraktu ve svém super.engineering worktree — deleguje implementaci na subagenta, mezi fázemi pouští wf-gate, review předá skill wf-review, otevře draft PR (guardovaný), vyřeší komentáře, spustí UAT. Použij, když task session říká, že se má kontrakt provést přes wf-impl.

Why use Wf Impl on TypingMind?

Because you install it once and use it with any model. Wf Impl is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Wf Impl in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/tomsej/pi-ext/tree/main/skills/wf-impl. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Wf Impl?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Wf Impl?

As many as you like. As long as a model supports skills, you can use Wf Impl with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Wf Impl AI skill free?

Yes. It is published on GitHub by tomsej under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇