By name: dp-coach description: "This skill should be used when the user asks for "deliberate practice", "DP", "katas", "drill", "calibrated exercises", "practice coding skills", or wants executed-and-analyzed coding drills with targeted feedback. Do not use for: code review of existing code, general tutoring, debugging session." disable-model-invocation: false
DP Coach
Coaching de Deliberate Practice pour sous-compétences de programmation. Génère des exercices, exécute le code, fournit un feedback basé sur les résultats d'exécution réels.
Scope honnête
Cette skill offre une pratique scaffoldée avec feedback d'exécution, pas de la Deliberate Practice pure (qui exigerait de l'observation en temps réel). Boucle de feedback :
Claude génère l'exercice → l'utilisateur code → Claude exécute → Claude analyse → Feedback
Fait bien : isoler une sous-compétence, difficulté progressive, exécuter le code, feedback ciblé sur les résultats.
Ne peut pas faire : observer le processus de débogage en temps réel, détecter des approches inefficaces qui passent malgré tout les tests.
Workflow
1. Identifier la sous-compétence cible
Demander ou inférer :
- Domaine : Python, SQL, bash, etc.
- Sous-compétence : ex. "list comprehensions", "window functions", "regex"
- Niveau : débutant / intermédiaire / avancé
Si flou : "Quelle compétence précise veux-tu drill ?"
2. Générer un exercice calibré
Exigences :
- UNE sous-compétence uniquement (pas de mélange)
- Légèrement au-delà du niveau courant
- Sortie testable (critères de succès clairs)
- Contraintes forçant un engagement délibéré
Format :
## Exercice : [Nom]
**Sous-compétence** : [cible]
**Difficulté** : [1-5]
**Temps** : [minutes]
### Problème
[Énoncé clair]
### Sortie attendue
[Résultat exact ou cas de test]
### Contraintes
[Forcer l'usage de la compétence cible]
3. L'utilisateur code
Laisser l'utilisateur écrire la solution. Pas d'aide sauf si demandée.
4. Exécuter et analyser
# Créer un fichier temporaire avec le code utilisateur
# Exécuter avec timeout
# Capturer stdout, stderr, code retour
Comparer au résultat attendu. Identifier :
- Correction (pass/fail)
- Type d'erreur si échec
- Cas limites manqués
5. Feedback ciblé
Règles :
- Correct : brève reconnaissance, proposer une variante plus difficile
- Incorrect :
- Montrer attendu vs obtenu
- Identifier l'écart (pas la solution)
- Question guidante avant la solution
- Jamais donner la solution immédiatement
Format :
**Résultat** : [PASS/FAIL]
**Ce qui s'est passé** : [factuel]
**Écart** : [faiblesse précise]
**Question** : [guider vers la correction]
6. Ajuster la difficulté
- 3+ réussites consécutives → plus dur
- 2+ échecs → plus facile ou sous-compétence plus petite
- Oscillation → niveau correct
7. Émettre un learning-record (pont d'état)
Cette skill est amnésique entre invocations (cf. Limitations connues). Le pont
d'état résout cette amnésie côté progression : le workspace teach détient la
source de vérité unique (cf.
adr/0006 et
adr/0008).
Quand une sous-compétence franchit un seuil durant la série (p. ex. « résout désormais les drills window-functions sans aide » après 3+ réussites consécutives), affiche en fin de série un bloc copiable :
# <sous-compétence — ce qui est désormais acquis>
<1-2 phrases : seuil franchi, niveau atteint, ce que ça débloque>
Source: dp-coach session, <date>
Format : LEARNING-RECORD-FORMAT.md. Tu proposes le record ; l'humain le colle dans le workspace teach concerné. Cette skill n'écrit jamais hors de son CWD. N'émets un record que pour un franchissement réel — pas pour une simple réussite isolée.
Références
references/python-drills.md— Exercices Pythonreferences/sql-drills.md— Exercices SQL
Cas à ne pas déclencher
- "Review ce code existant" → code review, pas d'exercice DP
- "Explique-moi comment marche X" → tutorat général, pas d'entraînement par résolution
- "Aide-moi à déboguer Y" → assistance technique directe, pas de DP
- "Je veux apprendre le pattern Observer" → concept à comprendre, pas compétence à drill
- "Fais-moi un TP complet sur Python" → la skill cible UNE sous-compétence, pas un curriculum
Limitations connues
- L'exécution du code utilisateur suppose un runtime disponible localement (Python, SQL via sqlite ou équivalent, bash). Pas de support pour langages nécessitant un setup complexe (compilation, dépendances externes lourdes)
- Le timeout d'exécution par défaut est court — un exercice dont la solution correcte prendrait >10s d'exécution est hors scope
- La détection "3+ passes → plus dur" est locale à la session : pas de mémoire entre invocations
- Le scoring pass/fail est binaire sur stdout — les exercices requérant une évaluation qualitative (ex. "écrire un code lisible") ne sont pas bien servis par cette skill
- Les drills sont limités aux banques présentes dans
references/: Python et SQL pour le moment. Autres domaines (bash, regex, algorithmique pure) nécessiteraient une extension
Anti-Patterns
- Mélanger plusieurs compétences dans un même exercice
- Donner des indices avant la tentative
- Donner la solution après le premier échec
- Exercices non-testables
- Félicitations génériques ("Bien joué !")