rfc-check

Déterminer si les modifications proposées nécessitent un RFC. Utiliser lors de la planification de changements significatifs, avant de commencer un travail majeur, ou lorsqu'on demande si un RFC est nécessaire.

npx skills add https://github.com/huggingface/openenv --skill rfc-check

RFC Check

Determine if proposed changes require an RFC (Request for Comments).

Instructions

  1. Identify changed files using git diff --name-only or provided context

  2. Apply RFC criteria:

    RFC Required:

    • New APIs in src/openenv/core/
    • Breaking changes to existing APIs
    • New abstractions or design patterns
    • Changes affecting the two-interface model (WebSocket/MCP separation)
    • Major architectural decisions

    RFC Not Required:

    • Bug fixes
    • Documentation updates
    • Minor refactoring (no API changes)
    • New example environments (unless introducing new patterns)
    • Dependency updates
    • Test additions
  3. Check against existing RFCs in rfcs/ for conflicts or dependencies

Analysis Steps

  1. List all files being changed
  2. Identify any files in src/openenv/core/
  3. Check for public API signature changes
  4. Look for new abstractions or patterns
  5. Review existing RFCs for related decisions

Output Format

## RFC Analysis

### Files Changed
- [list of files]

### Core Files Touched
- [any files in src/openenv/core/, or "None"]

### API Changes
- [any signature changes to public APIs, or "None"]

### New Patterns/Abstractions
- [any new patterns introduced, or "None"]

### Verdict: NOT REQUIRED / RECOMMENDED / REQUIRED

### Reasoning
[Explanation of decision based on criteria above]

### If RFC Needed
- Suggested title: "RFC NNN: [title]"
- Related RFCs: [list any related existing RFCs]
- Key decisions to document: [list]

RFC Template Reference

If an RFC is needed, use the template in rfcs/README.md:

# RFC NNN: Title

**Status**: Draft
**Created**: YYYY-MM-DD
**Authors**: @username

## Summary
[1-2 paragraph overview]

## Motivation
[Problem Statement + Goals]

## Design
[Architecture Overview, Core Abstractions, Key Design Decisions]

## Examples
[Code samples demonstrating usage]

Plus de skills de huggingface

sync-models
huggingface
Synchroniser la configuration des modèles de chat-ui avec le routeur HuggingFace — ajouter des descriptions pour les nouveaux modèles, marquer ceux capables de raisonnement, activer les artefacts pour les modèles de 32B+…
custom-blocks
huggingface
Use when the user has written (or wants to write) a `ModularPipelineBlocks` subclass in a local Python file and needs to package it into a Hub-uploadable…
self-review
huggingface
Use before opening a PR, or whenever asked to self-review a diffusers contribution. Applies the same rubric as the `@claude` CI (checks the diff against…
hf-cloud-sagemaker-production-defaults
huggingface
Créer un endpoint SageMaker (en temps réel ou asynchrone) avec mise à l’échelle automatique, alarmes CloudWatch et balisage activés par défaut. Utilisez cette compétence chaque fois que vous êtes sur le point de créer un…
hf-cloud-serving-image-selection
huggingface
Choisir le bon conteneur de service pour un déploiement de modèle SageMaker et trouver son URI d’image actuelle. Utilisez cette compétence lorsque vous êtes sur le point de déployer un modèle vers un…
Hugging Face Cli
huggingface
Execute Hugging Face Hub operations using the `hf` CLI. Use when the user needs to download models/datasets/spaces, upload files to Hub repositories, create repos, manage local cache, or run compute jobs on HF infrastructure. Covers authentication, file transfers, repository creation, cache operations, and cloud compute.
Hugging Face Datasets
huggingface
Créer et gérer des ensembles de données sur Hugging Face Hub. Prend en charge l'initialisation de dépôts, la définition de configurations/invites système, la mise à jour en continu des lignes, et l'interrogation/transformation d'ensembles de données basée sur SQL. Conçu pour fonctionner avec le serveur HF MCP pour des workflows complets sur les ensembles de données.
Hugging Face Evaluation
huggingface
Ajouter et gérer les résultats d'évaluation dans les fiches de modèles Hugging Face. Prend en charge l'extraction de tableaux d'évaluation à partir du contenu README, l'importation de scores depuis l'API Artificial Analysis, et l'exécution d'évaluations personnalisées de modèles avec vLLM/lighteval. Fonctionne avec le format de métadonnées model-index.