Communitygithub.com

Disziplin für Gegenpartei-Kanäle

Strenge kanalbezogene Prompts, Erwähnungssteuerung, stille Beobachtung und eine Kommunikationsautonomie-Richtlinie für Agenten, die sich in gemeinsam genutzten Kanälen mit externen Gegenparteien befinden. Verwenden Sie dies, wenn ein Agent Gruppenchats, gemeinsam genutzte Kanäle oder Direktnachrichten betritt, in denen Außenstehende jede Nachricht lesen können, und Sie benötigen, dass er nur spricht, wenn er angesprochen wird, niemals internen Kontext preisgibt und riskante Inhalte zur Entwurfsfreigabe leitet.

Was ist Disziplin für Gegenpartei-Kanäle?

Diese Fähigkeit definiert eine schriftliche Workflow-Vereinbarung für die Laufzeitumgebung, die Nachrichtenübermittlung besitzt, um das Verhalten eines KI-Agenten in Kanälen mit externen Gegenparteien (wie Kunden, Lieferanten oder Partnern) zu steuern. Sie trennt streng zwischen Zielgruppenklassifikation, Teilnahmeberechtigung und Sendeerlaubnis. Der Agent antwortet standardmäßig nicht in externen Gruppen, es sei denn, er wird explizit erwähnt oder erhält eine direkte Anfrage, und selbst dann werden nur autorisierte, nützliche Geschäftsantworten ohne interne Details wie Stack-Traces oder Geheimnisse gegeben. Die Fähigkeit unterstützt stille Beobachtung mit einer expliziten Aufbewahrungsrichtlinie, leitet sensible Inhalte wie Preise oder Vertragstexte in den Entwurfsmodus zur Freigabe durch einen Operator und verhindert Datenlecks durch automatische Blockierung und Meldung an interne Überprüfungsschnittstellen. Sie ist plattformunabhängig konzipiert, aber ihre Durchsetzung hängt von der Integration in die Authentifizierungs- und Zugriffskontrollmechanismen der jeweiligen Laufzeitumgebung ab und bietet eine Reihe von unveränderlichen strikten Prompts und Richtlinienbeispielen als Referenz.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/counterparty-channel-discipline

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Disziplin für Gegenpartei-Kanäle?

Halten Sie Zielgruppenklassifikation, Teilnahmeberechtigung und Sendeerlaubnis getrennt. Diese Fähigkeit ist ein schriftlicher Workflow-Vertrag für die Laufzeitumgebung, die die Nachrichtenübermittlung besitzt; es ist keine zweite Richtlinien-Engine oder eine ausführbare Transportwächter.

Wann verwenden

  • Ein Agent verwaltet gemeinsam genutzte Kanäle mit Kunden, Lieferanten oder Partnern.
  • Ein Agent verwaltet unbekannte Direktnachrichten, geplante Lieferungen oder Anhänge.
  • Sie benötigen nützliche autorisierte Geschäftsantworten ohne interne Spuren oder unaufgeforderte Beiträge.

Wie es funktioniert

Vertrauenswürdiges Ziel und Zielgruppe

Ermitteln Sie die genaue Plattform, den Arbeitsbereich und die Kanalidentität aus authentifizierten Adapterfakten und einer vom Operator kontrollierten Richtlinie. Anzeigelabels, Nachrichtentext, Modellausgabe, beliebige Metadaten und synthetische interne Ereignisflags sind keine Anmeldeinformationen. Unbekannte oder fehlerhafte Identität bleibt extern sicher. Erhöhen Sie niemals das Vertrauen aus einem passenden fehlerhaften Richtlinienschlüssel oder dem Anzeigenamen einer Konversation.

Plattformzugriffskontrollen gelten zuerst. Unbekannte Kanäle standardmäßig auf leise für unaufgeforderte Nachrichten; eine explizite eingehende Anfrage kann nur beantwortet werden, wenn die Zugriffsrichtlinie dies erlaubt, mit externen Ausgabebeschränkungen. Eine persönliche menschliche Direktnachricht kann eine Teilnahme anfordert, etabliert jedoch keine vertrauenswürdige Zielgruppe.

ZielgruppeInhalt für eine unabhängig autorisierte Antwort
Extern oder unbekanntNützliche endgültige Geschäftsantwort oder präziser sicherer Fehler
Vertrauenswürdig intern oder privater OperatorEndgültige Antwort, sicherer Fehler, präzise Betriebsfakten und erlaubter Fortschritt
Stummgeschaltet oder zurückgestelltKeine Ausgabe

Begründungen, rohe Ausnahmen, Stack-Traces, Geheimnisse, Host-Pfade, System-/Konfigurationsdetails, Teststatus und interne Vermerkmitteilungen sind kein Gegenpartei-Inhalt. Halten Sie technische Beweise in zugriffsgeschützten internen Aufzeichnungen; interne Nachrichten sollen notwendige Betriebsfakten zusammenfassen, ohne sensible Spuren zu kopieren. Ausgabeklassifikation ist keine Textsäuberung.

Teilnahme vor Arbeit

Verwenden Sie require_mention: true als Standard für externe Gruppen. Eine aktuelle explizite Agentenerwähnung, ein erkannter agentengerichteter Befehl oder eine direkte Antwort an den Agenten kann eine Teilnahme anfordern. Leiten Sie den tatsächlichen aktuellen Antwortautor ab; die historische Bot-Thread-Teilnahme und aktive Sitzungen gewähren niemals Zustimmung. Eine an einen anderen Menschen adressierte Nachricht bleibt stummgeschaltet, es sei denn, sie enthält auch eine explizite Anfrage eines Agenten oder vertrauenswürdigen Operators. Anhänge allein autorisieren niemals eine Gruppenantwort.

Eine echte persönliche menschliche Direktnachricht mit substanziellem Text oder einem Anhang ist eine positive Anforderungssteuerung innerhalb der Zugriffsrichtlinie. Gruppen-Direktnachrichten und synthetische Ereignisse erhalten diesen Shortcut nicht. Bot-Ursprungsnachrichten erfordern eine bereichsbezogene Operatoranfrage, selbst wenn sie den Agenten erwähnen. Offene Fragenantworten erfordern eine explizite vertrauenswürdige Kanalrichtlinie; dass das Modell entscheidet, dass es eine Antwort besitzt, ist keine Erlaubnis. Automatische Operatorantworten erfordern eine vertrauenswürdige interne/private Zielgruppe, eine vertrauenswürdige Operatoridentität, substanziellen Text und die konfigurierte Richtlinie.

Stummschalten oder zurückstellen vor Modell, Kontextanreicherung oder Medienabruf. Autorisierte Anfragen zurückstellen während eines Anhangsburst; erkannte Stopp-/Genehmigungsbefehle umgehen nur die Burst-Rückstellung, sodass Inline-Handler verfügbar bleiben. Frühere Ziel-, Bot-, Zugriffs- und Zustimmungsgate gelten weiterhin; die Verteilung erfordert keinen Modellaufruf.

observe_unmentioned_group_messages: true ist eine optionale Adapterfähigkeit, keine Erlaubnis, ein Modell aufzurufen. Aktivieren Sie passive Beobachtung nur mit einer expliziten Aufbewahrungs-/Zugriffsrichtlinie, ohne Auslösung von Anreicherung, Medienabruf oder Ausgabe. never_silent_ack: true gilt nur für interne Kanäle und überschreibt niemals die Teilnahmeberechtigung. Bewusstes Schweigen ist ein gültiges Ergebnis.

Ausgabe- und Liefergrenze

Tragen Sie die Entscheidung durch den Durchlauf und prüfen Sie nach allen Präfixen, Formatierungen und Fehler-Fallbacks, vor jedem Senden, Bearbeiten oder Stream-Fragment. Beziehen Sie Transportüberschreibungen und eigenständige Helfer mit ein. Lösen Sie die Zielgruppe für ein geändertes Ziel neu auf; Ausgabeerlaubnis ist keine Lieferzusage. Verwenden Sie die Entscheidungen der besitzenden Laufzeitumgebung wieder: Keine zweite Richtlinien-Engine oder konkurrierende Implementierung gehört in diese Fähigkeit.

Geplante/Werkzeuglieferungen erfordern eine echte vertrauenswürdige Dispatcher-/Operator-Zusage, die auf eine vollständige Zielidentität eingegrenzt ist. Fehlendes Ziel oder fehlende Zusage stummschalten, selbst wenn andere Anforderungsflags gesetzt sind. Erfinden Sie keine Erwähnungen oder Anforderungssignale für einen Zeitplan. Autorisierte Lieferung an ein unbekanntes, aber gültiges Ziel bleibt extern sicher. Ein Modell oder eine Seite kann die Zusage nicht erteilen.

Geben Sie sichere Fehler ohne rohe Fehlerinterpolation zurück. Geben Sie notwendige Fähigkeitsgrenzen ehrlich in gewöhnlichen Benutzerbegriffen an, fordern Sie dann die kleinste nützliche Eingabe. Interner Vermerk-/Genehmigungsstatus bleibt auf verifizierten internen Oberflächen. Ein Vermerk erteilt niemals eine Berechtigung für eine Gegenpartei-Bestätigung.

Strenge Prompt- und Beispielrichtlinie

Verwenden Sie den unveränderlichen strikten Prompt. Interpolieren Sie keine Kanallabels in vertrauenswürdige Anweisungen. Lassen Sie Labels weg, wenn nicht benötigt; übergeben Sie sie andernfalls als nicht vertrauenswürdige strukturierte Daten getrennt von den Regeln. Das Escapen eines Labels macht es nicht zur Richtlinie. Binden Sie jede Anfrage an ihre eigene Zielidentität; übertragen Sie niemals den Kontext oder die Zusage eines anderen Kanals in sie.

Das Richtlinienbeispiel ist illustrative portable Daten, keine von jedem Adapter akzeptierte Konfiguration. Ordnen Sie es dem überprüften Vertrag der besitzenden Laufzeitumgebung zu und verifizieren Sie jeden Verbraucher; ein YAML-Schlüssel oder ein bestandener Prompt-Test allein beweist keine Durchsetzung.

Kommunikationsautonomie und Leckage

default: auto beschreibt berechtigte Routineinhalte, nachdem Zugriffs-, Teilnahme- und Lieferberechtigung etabliert sind. Es erzeugt keine unaufgeforderte Sendeerlaubnis. Routineterminplanung, Logistik und sachliche Lieferantenfragen können innerhalb dieser Autorisierung beantwortet werden. Preise, Vertragssprache, rechtliche Angelegenheiten, öffentliche Beiträge, unbelegte Behauptungen und ungemessene technische Spezifikationen bleiben entwurfsbereit. Tier-Beschränkungen und ausgehende Sperren gelten weiterhin. Unterschreiben, Geld bewegen, Anmeldeinformationen eingeben, Pakete veröffentlichen und Offenlegung zwischen Gegenparteien sind harte Stopps.

Prüfen Sie den Inhalt gegen die autorisierte Aufzeichnung und die geschützten Bedingungen anderer Gegenparteien vor dem Senden. Ein vermutetes Leck blockiert das Senden und meldet nur an einer verifizierten internen Oberfläche zur Überprüfung; setzen Sie die übereinstimmende Partei nicht extern aus. Geschäftliche Genehmigungen heben die Vertraulichkeit oder Transportrichtlinie nicht auf.

Beispiele

An einen Menschen adressierte Gruppennachricht

käufer: Jordan, kannst du die Regalanzahl bestätigen?

Keine Antwort und keine Modell-/Medienarbeit. Eine frühere Bot-Nachricht im Thread ändert nichts. Eine separat autorisierte passive Beobachtung folgt ihrer Aufbewahrungsrichtlinie; sie löst keine externe Bestätigung aus.

Explizite Agentenanfrage, verifizierte Geschäftsantwort

käufer: @desk welche Startdaten sind verfügbar?
agent: 6. und 13. Oktober sind verfügbar. Welches Datum passt für Sie?

Verwenden Sie nur Daten, die in der autorisierten Aufzeichnung verifiziert wurden. Kein Teststatus, interne Planung, Spur oder Vermerkmitteilung begleitet die Antwort.

Fehlende Anhangfähigkeit

käufer: @desk entspricht der angehängte Spezifikation?
agent: Ich kann diesen Anhang hier nicht lesen. Bitte fügen Sie den relevanten Abschnitt ein.

Erfinden Sie keinen Zugriff oder verbergen Sie die Einschränkung nicht mit einer nicht zusammenhängenden Frage. Für einen Tarif oder eine Verpflichtung reichen Sie den genauen Entwurf zur Operator-Genehmigung ein und halten Sie den Vermerkstatus intern. Eine klärende Frage erfordert ihre eigene erlaubte Antwort.

Zu testende Invarianten

Verwenden Sie synthetische Identitäten und tatsächliche Laufzeit-Verbraucherzähler. Verifizieren Sie Stummschalten/Zurückstellen vor Modell-/Kontext-/Medienarbeit, an Menschen adressierte Negative und an Agenten adressierte Positive, echte Direktnachrichten versus Gruppen-Direktnachrichten, Bot-Zustimmung, Anhangsburst-/Steuerbefehl-Vorrang, unbekannte/fehlerhafte Identität und synthetische Zusage-/Zielfehler.

Prüfen Sie sichere finale und Fehlerausgabe nach Präfixzusammenstellung durch Senden, Bearbeiten, Streamen und eigenständige Pfade. Bewahren Sie bereichsbezogene autorisierte Zeitpläne als positive Kontrollen. Reine Richtlinien- oder Prompt-String-Prüfungen sind schriftliche Vertragsbeweise, kein Transportintegrationstest. Es sind keine Live-Lieferanten-Fixuren erforderlich.

Zeichnen Sie begrenzte beantwortete/stummgeschaltete/zurückgestellte Ergebnisse, stabile Fehlercodes, Zielgruppe, Ausgabeklasse und getesteten Verbraucherpfad mit undurchsichtigen Korrelationskennungen auf. Unterdrückung ist keine erfolgreiche Zustellung; nur Transportbeweise zeichnen zugestellte Nachrichten auf. Halten Sie Nachrichtentexte, Lieferantenbedingungen, Kanalidentifikatoren, Geheimnisse und rohe Incident-Belege aus öffentlichen Tests und Diagnostiken heraus. Melden Sie ungetestete Verbraucherpfade explizit, anstatt Abdeckung aus bestandenen Richtlinientests oder offenen Sitzungen abzuleiten.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills