Communitygithub.com

Produktions-Audit

Lokale, evidenzbasierte Überprüfung der Produktionsreife für ausgelieferte Apps, Pre-Launch-Reviews, Post-Merge-Checks und mehr.

Was ist Produktions-Audit?

Dieser Skill führt ein Produktions-Audit durch, basierend auf lokalen und vom Benutzer autorisierten Informationen. Er bewertet, ob eine Anwendung bereit für den Versand ist, identifiziert potenzielle Risiken und gibt konkrete Handlungsempfehlungen. Der Skill vermeidet die Ausführung von nicht gepinntem Remote-Code oder die Nutzung externer Dienste ohne explizite Zustimmung. Er unterstützt Entwickler dabei, die Produktionsreife systematisch zu prüfen, indem er Sicherheits-, Datenintegritäts-, Zahlungs-, Betriebs- und Benutzerfreundlichkeitsaspekte untersucht. Das Ergebnis ist eine bewertete Empfehlung (0-100), die auf einer nachvollziehbaren Evidenz basiert und klare Blockaden sowie nächste Schritte aufzeigt.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Produktions-Audit?

Verwenden Sie diesen Skill, wenn der Benutzer fragt, ob eine Anwendung bereit für den Versand ist, was in der Produktion kaputt gehen könnte oder was vor einem Launch behoben werden muss. Es handelt sich um eine maintainer-sichere Neufassung der veralteten Community-Idee "production-audit": Sie behält die nützliche Produktionsreife-Perspektive bei und entfernt nicht gepinnte externe Ausführungen sowie die Weitergabe von Daten an Dritte.

Wann verwenden

  • Der Benutzer fragt: "Ist das produktionsreif?", "Was würde in der Produktion kaputt gehen?", "Was haben wir übersehen?", "Auditiere dieses Repo" oder "Bereit zum Versand?"
  • Ein Feature wurde gemerged und benötigt einen Pre-Deploy- oder Post-Merge-Risikocheck.
  • Ein öffentlicher Launch, eine Demo, ein Kunden-Rollout oder ein Investoren-Walkthrough steht kurz bevor.
  • CI ist grün, aber der Benutzer möchte das Produktionsrisiko bewerten, nicht nur den Teststatus.
  • Eine bereitgestellte URL, ein Release-Branch, ein PR oder der aktuelle Checkout ist für die Evidenzsammlung verfügbar.

Wann nicht verwenden

  • Während der aktiven Implementierung, wenn die richtige Perspektive eine zeilenweise sichere Codierung ist; verwenden Sie zuerst security-review.
  • Für reine Bibliotheken, Vorlagen, reine Dokumentations-Repos oder Gerüste, es sei denn, der Benutzer möchte die Paketierungs-/Release-Bereitschaft und nicht die Anwendungsbereitschaft bewerten.
  • Wenn der Benutzer nach einem formellen Compliance-Audit fragt. Dieser Skill ist Engineering-Triage, keine rechtliche, finanzielle, medizinische oder regulatorische Zertifizierung.
  • Wenn die einzige verfügbare Evidenz eine Produktidee ohne Repo, Bereitstellung, CI oder Laufzeitoberfläche ist.

Funktionsweise

Erstellen Sie das Audit aus lokalen und vom Benutzer autorisierten Informationen. Führen Sie keinen nicht gepinnten Remote-Code aus, laden Sie keine Repository-Inhalte in Drittanbieterdienste hoch und rufen Sie keine externen Scanner auf, es sei denn, der Benutzer genehmigt dieses spezifische Tool und den Datenfluss ausdrücklich.

Verwenden Sie diese Reihenfolge:

  1. Ermitteln Sie die Release-Oberfläche.
  2. Lesen Sie die letzten Änderungen und den aktuellen Branch-Status.
  3. Untersuchen Sie Laufzeit, Authentifizierung, Daten, Zahlungen, Hintergrundjobs, KI und Bereitstellungsgrenzen, die tatsächlich im Repo existieren.
  4. Überprüfen Sie CI, Tests, Migrationen, Umgebungsdokumentation und den Rollback-Pfad.
  5. Erstellen Sie eine kurze Ship/Block-Empfehlung mit spezifischen Korrekturen.

Evidenz-Checkliste

Beginnen Sie mit günstigen, lokalen Signalen:

git status --short --branch
git log --oneline --decorate -20
git diff --stat origin/main...HEAD

Untersuchen Sie dann die projektspezifische Oberfläche:

  • Paketskripte, CI-Workflows, Release-Skripte, Docker-Dateien und Bereitstellungsmanifeste.
  • API-Routen, Webhooks, Auth-Middleware, Hintergrundarbeiter, Cron-Jobs und Datenbankmigrationen.
  • Dokumentation der Umgebungsvariablen und Startprüfungen.
  • Observability-Hooks, Fehlerberichterstattung, Logs, Health Checks und Dashboards.
  • Rollback-, Seed-, Migrations- und Backfill-Anweisungen.
  • E2E-Abdeckung für die wichtigsten Benutzerpfade.

Wenn eine bereitgestellte URL im Rahmen liegt, führen Sie nur Browser- oder HTTP-Prüfungen gegen diese URL durch und vermeiden Sie Aktionen mit Anmeldedaten, es sei denn, der Benutzer stellt ein sicheres Testkonto zur Verfügung.

Risikobewertungen

Sicherheit und Authentifizierung

  • Sind öffentliche Routen, API-Routen und Admin-Routen klar getrennt?
  • Sind Authentifizierung und Autorisierung serverseitig erzwungen?
  • Werden Geheimnisse von Client-Bundles, Logs, Beispielausgaben und eingecheckten Dateien ferngehalten?
  • Sind Ratenbegrenzungen, CSRF-Schutz, CORS-Richtlinie und Upload-Validierung vorhanden, wo die App sie benötigt?
  • Verteidigt sich die KI- oder Agentenoberfläche gegen Prompt-Injection, Tool-Missbrauch und nicht vertrauenswürdige Inhalte, die in privilegierte Aktionen gelangen?

Datenintegrität

  • Laufen Migrationen sauber durch und haben sie einen Rollback- oder Wiederherstellungsplan?
  • Werden destruktive Migrationen, Backfills und Datenimporte sicher durchgeführt?
  • Entsprechen Datenbankrichtlinien, Berechtigungen und Service-Rollen-Grenzen dem Mandantenmodell der App?
  • Sind Wiederholungen für Schreibvorgänge, Jobs und Webhook-Handler idempotent?

Zahlungen und Webhooks

  • Werden Webhook-Signaturen überprüft, bevor vertrauenswürdige Payload-Felder geparst werden?
  • Ist jede Zahlungs-, Abonnement- oder Erfüllungs-Webhook idempotent?
  • Werden Wiederholungen, doppelte Zustellungen und Zustellungen in falscher Reihenfolge behandelt?
  • Sind Testmodus- und Livemodus-Anmeldedaten getrennt?

Betrieb

  • Kann die App von einem sauberen Checkout aus mit dokumentierten Befehlen gestartet werden?
  • Sind erforderliche Umgebungsvariablen benannt, validiert und scheitern sie schnell?
  • Gibt es einen Health Check, der die Erreichbarkeit von Abhängigkeiten nachweist?
  • Sind Deploy-, Rollback- und Incident-Owner-Pfade dokumentiert?
  • Sind Logs nützlich, ohne Geheimnisse oder personenbezogene Daten preiszugeben?

Benutzererfahrung

  • Sind die launchkritischen Pfade auf Desktop und Mobilgeräten abgedeckt?
  • Sind Formulare auf Mobilgeräten ohne Input-Zoom, Layout-Überschneidungen oder blockierte Absendezustände nutzbar?
  • Informieren Lade-, Leer-, Fehler- und Berechtigungsverweigerungs-Zustände den Benutzer darüber, was passiert ist?
  • Gibt es einen Support- oder Wiederherstellungspfad, wenn eine kritische Operation fehlschlägt?

Bewertung

Verwenden Sie Bewertungen, um die Priorisierung zu erzwingen, nicht um mathematische Sicherheit zu suggerieren.

BereichPunktzahlBedeutung
Blockiert0-49Nicht ausliefern, bis die größten Risiken behoben sind
Risikoreich50-69Nur hinter einem kleinen Rollout oder einer internen Beta ausliefern
Mit Einschränkungen startbereit70-84Ausliefern, wenn die Eigentümer die aufgeführten Risiken akzeptieren
Stark85-100Keine offensichtlichen Launch-Blocker aus der verfügbaren Evidenz

Begrenzen Sie die Punktzahl auf 69, wenn einer dieser Punkte zutrifft:

  • Authentifizierung oder Autorisierung fehlt bei sensiblen Daten.
  • Zahlungs- oder Erfüllungs-Webhooks sind nicht idempotent.
  • Erforderliche Migrationen können nicht sicher ausgeführt werden.
  • Geheimnisse sind in Client-Bundles, Logs oder eingecheckten Dateien offengelegt.
  • Es gibt keinen Rollback-Pfad für ein Release mit hohen Auswirkungen.

Begrenzen Sie die Punktzahl auf 84, wenn CI nicht grün ist oder der launchkritische Pfad nicht End-to-End getestet wurde.

Ausgabeformat

Beginnen Sie mit einem Satz:

Produktions-Audit: 76/100, mit Einschränkungen startbereit, mit Webhook-Idempotenz und Rollback-Dokumentation als den zwei Risiken, die vor dem öffentlichen Launch behoben werden müssen.

Listen Sie dann auf:

  • Blockaden: Muss behoben werden vor dem Deploy.
  • Hochwertige Korrekturen: Nächste Korrekturen, wenn der Benutzer die Punktzahl verbessern möchte.
  • Geprüfte Evidenz: Dateien, Befehle, CI, bereitgestellte URL oder PRs, die untersucht wurden.
  • Fehlende Evidenz: Was würde das Vertrauen ändern, wenn es bereitgestellt würde.
  • Nächster Schritt: Eine konkrete Korrektur oder ein Verifikationsschritt.

Halten Sie Stärken kurz. Der Benutzer fragte nach der Bereitschaft, daher ist die nützliche Antwort das verbleibende Risiko und der nächste Schritt.

Beispiel

Benutzer:

Ist das bereit für den Versand?

Antwort:

Produktions-Audit: 68/100, risikoreich, weil Stripe-Webhooks zwar verifiziert, aber nicht idempotent sind und es keinen Rollback-Hinweis für die ausstehende Migration gibt.

Blockaden:
- Idempotenz für `checkout.session.completed` hinzufügen, bevor Bestellungen ausgeführt werden.
- Rollback-Pfad für `20260511_add_billing_state.sql` schreiben und testen.

Hochwertige Korrekturen:
- Health Check hinzufügen, der die Erreichbarkeit von Datenbank und Zahlungsanbieter überprüft.
- Einen E2E-Pfad für Upgrade, Webhook-Erfüllung und Aktualisierung der Abrechnungsseite hinzufügen.

Geprüfte Evidenz:
- `api/stripe/webhook.ts`
- `db/migrations/20260511_add_billing_state.sql`
- GitHub Actions-Ausführung für den Release-Branch

Nächster Schritt: Soll ich zuerst die Webhook-Idempotenz patchen?

Anti-Patterns

  • Ausführen von npx <package>@latest oder einem Remote-Scanner als Standard-Audit-Pfad.
  • Hochladen von Quellcode, Geheimnissen, Kundendaten oder privater Topologie in einen externen Audit-Dienst ohne explizite Zustimmung.
  • Erstellen einer Bewertung, ohne die geprüfte Evidenz zu nennen.
  • Grünes CI als Produktionsreife zu behandeln.
  • Enden mit einem allgemeinen "Lassen Sie mich wissen, was Sie tun möchten."

Siehe auch

  • Skill: security-review
  • Skill: deployment-patterns
  • Skill: e2e-testing
  • Skill: tdd-workflow
  • Skill: verification-loop

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