Communitygithub.com

Produktfähigkeit

Übersetzt PRD-Absichten, Roadmap-Anfragen oder Produktdiskussionen in einen implementationsbereiten Fähigkeitsplan, der Einschränkungen, Invarianten, Schnittstellen und ungelöste Entscheidungen aufdeckt, bevor die serviceübergreifende Arbeit beginnt. Verwenden Sie dies, wenn der Benutzer einen ECC-nativen PRD-zu-SRS-Pfad anstelle vager Planungsprosa benötigt.

Was ist Produktfähigkeit?

Dieser Skill wandelt Produktabsichten in explizite technische Einschränkungen um, die als implementierungsbereiter Fähigkeitsplan dienen. Er ist besonders nützlich, wenn die Lücke nicht darin besteht, 'was wir bauen sollen', sondern 'was genau vor Beginn der Implementierung wahr sein muss'. Der Skill unterstützt Plattformen wie Claude Code, Codex, Cursor, OpenCode und ECC 2.0 und folgt einem strukturierten Kernarbeitsablauf: Er formuliert die Fähigkeit präzise, extrahiert verborgene Einschränkungen (Geschäftsregeln, Invarianten, Migrationsanforderungen), definiert einen implementierungsorientierten Vertrag (SRS-Stil) und übersetzt das Ganze in einen handfesten Übergabeplan. Er erzeugt ein wiederverwendbares Artefakt (z. B. `PRODUCT.md`), das verhindert, dass versteckte Annahmen während der Code-Review immer wieder neu entdeckt werden müssen.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓OpenCode
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/product-capability

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Produktfähigkeit?

Dieser Skill wandelt Produktabsichten in explizite technische Einschränkungen um.

Verwenden Sie ihn, wenn die Lücke nicht "was sollen wir bauen?" ist, sondern "was genau muss vor Beginn der Implementierung wahr sein?"

Wann verwenden

  • Ein PRD, Roadmap-Element, eine Diskussion oder eine Gründer-Notiz ist vorhanden, aber die Implementierungseinschränkungen sind noch implizit
  • Eine Funktion erstreckt sich über mehrere Dienste, Repos oder Teams und benötigt vor dem Codieren einen Fähigkeitsvertrag
  • Die Produktabsicht ist klar, aber die Auswirkungen auf Architektur, Daten, Lebenszyklus oder Richtlinien sind noch vage
  • Leitende Ingenieure wiederholen während der Überprüfung immer wieder dieselben versteckten Annahmen
  • Sie benötigen ein wiederverwendbares Artefakt, das über verschiedene Umgebungen und Sitzungen hinweg Bestand hat

Kanonisches Artefakt

Wenn das Repo eine dauerhafte Produktkontextdatei wie PRODUCT.md, docs/product/ oder ein Programmspezifikationsverzeichnis enthält, aktualisieren Sie es dort.

Falls noch kein Fähigkeitsmanifest existiert, erstellen Sie eines mit der Vorlage unter:

  • docs/examples/product-capability-template.md

Das Ziel ist es, keinen weiteren Planungsstapel zu erzeugen. Das Ziel ist es, versteckte Fähigkeitseinschränkungen dauerhaft und wiederverwendbar zu machen.

Nicht-verhandelbare Regeln

  • Erfinden Sie keine Produktwahrheit. Markieren Sie ungelöste Fragen explizit.
  • Trennen Sie benutzersichtbare Zusagen von Implementierungsdetails.
  • Heben Sie hervor, was feste Richtlinie, was Architekturpräferenz und was noch offen ist.
  • Wenn die Anfrage mit bestehenden Repo-Einschränkungen in Konflikt steht, sagen Sie dies deutlich, anstatt es zu glätten.
  • Bevorzugen Sie ein wiederverwendbares Fähigkeitsartefakt gegenüber verstreuten Ad-hoc-Notizen.

Eingaben

Lesen Sie nur, was benötigt wird:

  1. Produktabsicht
    • Issue, Diskussion, PRD, Roadmap-Notiz, Gründer-Nachricht
  2. Aktuelle Architektur
    • relevante Repo-Dokumente, Verträge, Schemas, Routen, bestehende Arbeitsabläufe
  3. Bestehender Fähigkeitskontext
    • PRODUCT.md, Design-Dokumente, RFCs, Migrationsnotizen, Betriebsmodell-Dokumente
  4. Lieferbeschränkungen
    • Authentifizierung, Abrechnung, Compliance, Rollout, Rückwärtskompatibilität, Leistung, Überprüfungsrichtlinie

Kernarbeitsablauf

1. Formulieren Sie die Fähigkeit

Verdichten Sie die Anfrage zu einer präzisen Aussage:

  • wer der Benutzer oder Betreiber ist
  • welche neue Fähigkeit nach diesem Release existiert
  • welches Ergebnis sich dadurch ändert

Wenn diese Aussage schwach ist, wird die Implementierung abweichen.

2. Lösen Sie Fähigkeitseinschränkungen auf

Extrahieren Sie die Einschränkungen, die vor der Implementierung gelten müssen:

  • Geschäftsregeln
  • Umfangsgrenzen
  • Invarianten
  • Vertrauensgrenzen
  • Datenverantwortung
  • Lebenszyklusübergänge
  • Rollout- / Migrationsanforderungen
  • Fehler- und Wiederherstellungserwartungen

Dies sind die Dinge, die oft nur im Gedächtnis des leitenden Ingenieurs existieren.

3. Definieren Sie den implementationsorientierten Vertrag

Erstellen Sie einen SRS-artigen Fähigkeitsplan mit:

  • Zusammenfassung der Fähigkeit
  • explizite Nicht-Ziele
  • Akteure und Oberflächen
  • erforderliche Zustände und Übergänge
  • Schnittstellen / Eingaben / Ausgaben
  • Auswirkungen auf das Datenmodell
  • Sicherheits- / Abrechnungs- / Richtlinieneinschränkungen
  • Beobachtbarkeits- und Betreiberanforderungen
  • offene Fragen, die die Implementierung blockieren

4. Übersetzen Sie in die Ausführung

Beenden Sie mit der genauen Übergabe:

  • bereit zur direkten Implementierung
  • erfordert zuerst eine Architekturüberprüfung
  • erfordert zuerst eine Produktklärung

Falls nützlich, verweisen Sie auf den nächsten ECC-nativen Pfad:

  • project-flow-ops
  • workspace-surface-audit
  • api-connector-builder
  • dashboard-builder
  • tdd-workflow
  • verification-loop

Ausgabeformat

Geben Sie das Ergebnis in dieser Reihenfolge zurück:

FÄHIGKEIT
- ein Absatz mit der Neuformulierung

EINSCHRÄNKUNGEN
- feste Regeln, Invarianten und Grenzen

IMPLEMENTIERUNGSVERTRAG
- Akteure
- Oberflächen
- Zustände und Übergänge
- Schnittstellen-/Datenauswirkungen

NICHT-ZIELE
- was dieser Pfad explizit nicht besitzt

OFFENE FRAGEN
- Blockaden oder Produktentscheidungen, die noch erforderlich sind

ÜBERGABE
- was als Nächstes passieren sollte und welcher ECC-Pfad es übernehmen sollte

Gute Ergebnisse

  • Die Produktabsicht ist nun konkret genug, um implementiert zu werden, ohne versteckte Einschränkungen während des PRs wiederzuentdecken.
  • Die technische Überprüfung hat ein dauerhaftes Artefakt, anstatt sich auf das Gedächtnis oder Slack-Kontext zu verlassen.
  • Der resultierende Plan ist wiederverwendbar in Claude Code, Codex, Cursor, OpenCode und ECC 2.0-Planungsoberflächen.

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