Skills Agentes

Convex Advisor

Lee los insights de 72h del deployment de Convex (límites de lectura, contención OCC), root-causea cada evento en el código y reporta hallazgos de performance/costo con evidencia y fixes.

Oficial

Reemplaza a: Revisión estática de código para detectar problemas de performance

Estrellas
59

en todo el repo

Actividad
55

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
1

últimos 90 días

Contexto
1.1k tok

39 tok en reposo

Paquete
1 archivo

4 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add get-convex/agent-skills --skill convex-advisor --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Lee los eventos de salud de 72h del deployment de Convex vía la herramienta insights del MCP oficial (límites de lectura, contención OCC)
  • Root-causea cada evento leyendo el código real de la función marcada
  • Emite findings evidenciados en el bus specs/finding.schema.json con severidad, locus y evidencia
  • Reporta hallazgos ordenados por severidad con evidencia en runtime, causa raíz con file:line y el fix concreto
  • Ofrece aplicar los fixes solo tras confirmación, sin mutar nunca el deployment

Úsalo cuando

  • Quieres saber qué funciones están golpeando límites de lectura o sufriendo contención OCC en producción
  • Necesitas evidencia real de 72h de tráfico en vez de una revisión estática de código
  • Quieres priorizar findings de performance/costo por severidad con causa raíz en el código

No lo uses cuando

  • El insights tool no está disponible (previews o contextos con deploy-key) o no hay ~72h de tráfico: usa convex-reviewer en su lugar
  • El hallazgo es de autorización (usa convex-authz), estilo/idioma de código (convex-reviewer) o triage de errores (sentinel)

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • “Revisa los insights de 72h de mi deployment de Convex y dime qué funciones tienen problemas”
  • “¿Por qué esta función está fallando por contención OCC en producción?”
  • “Analiza el consumo de lecturas de mis funciones de Convex y sugiere índices o paginación”

SKILL.md

En inglés

Live-deployment advisor

Static review guesses; the deployment KNOWS. The official Convex MCP ships an insights tool with typed 72h health events per function — documentsReadLimit / bytesReadLimit (hard limit hits), documentsReadThreshold / bytesReadThreshold (approaching), occFailedPermanently / occRetried (write contention) — each carrying evidence (table_name, bytes_read, documents_read, occ document id + retry count). The advisor turns each event into a root-caused finding by reading the flagged function's actual code, and emits findings on the findings bus (specs/finding.schema.json) so fixers can be dispatched and launch-readiness can score.

Workflow

  1. GUARD: run deploy-guard step 0-1 — identify + announce the deployment being read. Reading insights/logs on prod is allowed read-only; never enable mutating prod access for an advisory pass.
  2. GATHER (deterministic, via the official Convex MCP): status → deployment selector; insights → the typed 72h events; tables → schema + row counts; functionSpec → the public/internal surface. The insights tool is only available on cloud dev/prod deployments when logged in as a user (not on previews or deploy-key-scoped contexts) and needs ~72h of traffic; if it returns nothing or is unavailable, say so and fall back to offering convex-reviewer — do NOT invent findings.
  3. ROOT-CAUSE each insight event by reading the flagged function's code:
    • bytesReadThreshold/Limit or documentsReadThreshold/Limit → look for .collect() / unindexed .filter() / missing pagination on the named table; the fix is an index + .withIndex, .take(n), or .paginate (convex-expert patterns), or an aggregate component for counting shapes.
    • occRetried / occFailedPermanently → look for read-modify-write hotspots on the named document (shared counters, status toggles); the fix is @convex-dev/sharded-counter, narrowing the read set, or moving contention to a workpool.
    • repeated failures in logs (status: failure) → classify: crash loop in a cron, validator rejections, unhandled error shapes.
  4. EMIT findings per specs/finding.schema.json: class perf/correctness/cost, severity from the insight kind (limit hits = high, thresholds = med, retried = med, permanent OCC failure = high), locus {kind: deployment, functionId, tableName}, evidence {kind: insight-event, detail: the raw event}, confidence: confirmed (the event happened — it is not a hypothesis), fixCapability + autofixable where the repair is mechanical.
  5. REPORT: findings ranked by severity, each with (a) the runtime evidence in one line ('messages:list read 4.2MB from messages 31× yesterday'), (b) the code-level root cause with file:line, (c) the concrete fix and which capability applies it. Offer to apply fixes; apply only on confirmation, then re-run insights after traffic to verify the trend, or re-run the static check immediately.
  6. Scope discipline: this is a health/perf/cost pass. Route authz findings to convex-authz, code-idiom findings to convex-reviewer, error triage to sentinel — emit a pointer finding rather than duplicating their work.

Rules

  • Evidence-not-vibes: every finding cites a real insight event, log line, or table stat — if the deployment has no evidence, the advisor has no findings (offer convex-reviewer instead).
  • Read-only by construction: an advisory pass never mutates any deployment and never enables prod mutation flags (deploy-guard discipline applies).
  • Root-cause in the code before reporting: an insight event names the symptom; the finding must name the line and the mechanism.
  • Emit on the findings bus (specs/finding.schema.json), confidence: confirmed — runtime events are facts, not hypotheses.
  • Severity from the event kind: limit-hit / permanent-OCC-failure = high; threshold / retried = med.
  • Stay in lane: perf/cost/health only — hand authz to convex-authz, style to convex-reviewer, error triage to sentinel.
  • Prefer component fixes over hand-rolls when they match (sharded-counter for OCC on counters, aggregate for count scans) — same bias as suggest.

Reproducido de get-convex/agent-skills bajo licencia Apache-2.0. Leer esta página en markdown.

Archivos

1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Requiere el MCP oficial de Convex con la herramienta insights, disponible solo en deployments cloud dev/prod logueados como usuario (no en previews ni contextos con deploy-key) y con ~72h de tráfico acumulado.

Detalles

Creador
get-convex
Categoría
Bases de datos
Licencia
Apache-2.0
Recursos incluidos
Solo SKILL.md
Código fuente
Ver SKILL.md

Más de get-convex/agent-skills

Este repo incluye 33 skills. Si instalas uno, normalmente ya tienes los demás. Ver el pack agent-skills entero y su comando de instalación

Audita y refuerza la autorización de una app Convex: impersonación por identity-from-arg, checks de ownership por documento faltantes, queries públicas que filtran datos por un id del cliente y escrituras en un contenedor ajeno.

Costo de contexto al activarse
2.3k tok
Tamaño del paquete
1 archivo
Última actualización
hace 22 días
Oficialseguridad

Diseña y construye backends reactivos y type-safe de nivel producción en Convex: schema, queries/mutations/actions, índices, auth, storage, scheduling, multiplayer en tiempo real y workflows LLM/agentes.

Costo de contexto al activarse
972 tok
Tamaño del paquete
1 archivo
Última actualización
hace 22 días
Oficialdesarrollo apis

Levanta un template Next.js + Convex barebones a partir de una idea en una frase.

Costo de contexto al activarse
1.1k tok
Tamaño del paquete
3 archivos
Última actualización
hace 22 días
Oficialdesarrollo apis

Especialista en el backend de Convex: código dentro de convex/ (funciones, schemas, índices, queries, mutations, actions, endpoints HTTP, cron jobs, storage, auth y componentes).

Costo de contexto al activarse
1.1k tok
Tamaño del paquete
1 archivo
Última actualización
hace 22 días
Oficialbases de datos

Añade un backend de agente de IA / RAG (@convex-dev/agent) a la app Convex.

Costo de contexto al activarse
430 tok
Tamaño del paquete
1 archivo
Última actualización
hace 29 días
Oficialdesarrollo apis

Construye componentes Convex reutilizables con tablas aisladas y APIs de cara a la app. Útil para nuevos componentes, módulos de backend reutilizables, integraciones o límites de componentes.

Costo de contexto al activarse
2.6k tok
Tamaño del paquete
7 archivos
Última actualización
el mes pasado
Oficialherramientas desarrollo

Skills relacionados

Especialista en memoria V3 que unifica más de 6 sistemas de memoria en AgentDB con indexado HNSW (ADR-006 y ADR-009), logrando mejoras de búsqueda de 150x a 12.500x.

Costo de contexto al activarse
2.5k tok
Tamaño del paquete
1 archivo
Última actualización
hace 7 meses
bases de datos

Funciones avanzadas de AgentDB: sincronización QUIC, gestión de varias bases de datos, métricas de distancia personalizadas, búsqueda híbrida e integración con sistemas distribuidos multi-agente.

Costo de contexto al activarse
3.3k tok
Tamaño del paquete
1 archivo
Última actualización
hace 5 meses
bases de datos

Implementa patrones de memoria persistente para agentes de IA con AgentDB: memoria de sesión, almacenamiento a largo plazo, aprendizaje de patrones y gestión de contexto.

Costo de contexto al activarse
2.2k tok
Tamaño del paquete
1 archivo
Última actualización
hace 7 meses
bases de datos