Communitygithub.com

Unified Notifications Ops

Betreiben Sie Benachrichtigungen als einen nativen ECC-Workflow über GitHub, Linear, Desktop-Benachrichtigungen, Hooks und verbundene Kommunikationsoberflächen. Verwenden Sie dies, wenn das eigentliche Problem die Alarmweiterleitung, Deduplizierung, Eskalation oder der Kollaps des Posteingangs ist.

Was ist Unified Notifications Ops?

Dieser Skill befähigt Agenten, fragmentierte Benachrichtigungssysteme in eine einheitliche, betreibbare Oberfläche zu konsolidieren. Er bewertet Ereignisquellen wie GitHub, Linear und lokale Hooks, klassifiziert deren Dringlichkeit und erstellt Weiterleitungsregeln, um Rauschen zu reduzieren und sicherzustellen, dass kritische Alarme den richtigen Betreiber erreichen. Der Skill unterstützt ECC-native Workflows, bei denen Hooks, Skills oder Agenten Vorrang vor externen Brücken haben, und setzt auf Digest-orientierte Zusammenfassungen für Signale mittlerer und geringer Priorität. Zu den Hauptfunktionen gehören die Bestandsaufnahme von Ereignisquellen, die Modellierung von Schweregraden und die Ausgabe eines Routing-Plans, der Aktionen priorisiert. Entwickler sollten diesen Skill nutzen, wenn CI-Fehler ignoriert werden, Überlappungen über Plattformen hinweg auftreten oder ein kohärentes Benachrichtigungsrichtlinie für Workspaces mit mehreren verbundenen Tools erforderlich ist.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓OpenCode
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/unified-notifications-ops
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Unified Notifications Ops (Vereinheitlichter Benachrichtigungsbetrieb)

Verwenden Sie diesen Skill, wenn das eigentliche Problem nicht eine fehlende Benachrichtigung ist. Das eigentliche Problem ist ein fragmentiertes Benachrichtigungssystem.

Die Aufgabe besteht darin, verstreute Ereignisse in eine einzige Bedieneroberfläche zu verwandeln mit:

  • klarem Schweregrad
  • klarem Besitzer
  • klarer Weiterleitung
  • klarer Folgeaktion

Wann verwenden

  • Der Benutzer möchte einen einheitlichen Benachrichtigungskanal über GitHub, Linear, lokale Hooks, Desktop-Benachrichtigungen, Chat oder E-Mail hinweg
  • CI-Fehler, Überprüfungsanfragen, Issue-Updates und Betreiberereignisse treffen an getrennten Orten ein
  • Die aktuelle Einrichtung erzeugt Lärm anstatt Aktionen
  • Der Benutzer möchte überlappende Benachrichtigungszweige oder Backlog-Vorschläge zu einem einzigen nativen ECC-Kanal konsolidieren
  • Der Workspace hat bereits Hooks, MCPs oder verbundene Tools, aber keine kohärente Benachrichtigungsrichtlinie

Bevorzugte Oberfläche

Beginnen Sie mit dem, was bereits existiert:

  • GitHub Issues, PRs, Reviews, Kommentare und CI
  • Linear Issue/Projektbewegungen
  • Lokale Hook-Ereignisse und Sitzungslebenszyklus-Signale
  • Desktop-Benachrichtigungs-Primitiven
  • Verbundene E-Mail/Chat-Oberflächen, wenn sie tatsächlich existieren

Bevorzugen Sie die ECC-native Orchestrierung gegenüber der Aufforderung an den Benutzer, ein separates Benachrichtigungsprodukt zu verwenden.

Unverhandelbare Regeln

  • Niemals Tokens, Geheimnisse, Webhook-Geheimnisse oder interne Kennungen preisgeben
  • Trennen:
    • Ereignisquelle
    • Schweregrad
    • Weiterleitungskanal
    • Betreiberaktion
  • Standardmäßig zuerst Digest verwenden, wenn die Unterbrechungskosten unklar sind
  • Nicht jedes Ereignis an jeden Kanal weiterleiten
  • Wenn die echte Lösung eine bessere Issue-Triage, Hook-Richtlinie oder ein besserer Projektablauf ist, sagen Sie dies explizit

Ereignis-Pipeline

Behandeln Sie den Kanal wie folgt:

  1. Erfassen des Ereignisses
  2. Klassifizieren von Dringlichkeit und Besitzer
  3. Weiterleiten an den richtigen Kanal
  4. Zusammenführen von Dubletten und unwichtigem Rauschen
  5. Anhängen der nächsten Betreiberaktion

Das Ziel ist weniger, aber bessere Benachrichtigungen.

Standard-Schweregrad-Modell

KlasseBeispieleStandardbehandlung
Kritischdefekte default-branch CI, Sicherheitsproblem, blockiertes Release, fehlgeschlagenes Deploymentsofort unterbrechen
HochÜberprüfung angefordert, fehlschlagender PR, blockierende Übergabe an Besitzeram selben Tag alarmieren
MittelIssue-Statusänderungen, bemerkenswerte Kommentare, Backlog-BewegungenDigest oder Warteschlange
Niedrigwiederholte Erfolge, Routine-Rauschen, redundante Lebenszyklus-Markerunterdrücken oder zusammenführen

Wenn der Workspace kein Schweregrad-Modell hat, bauen Sie eines, bevor Sie Automatisierung vorschlagen.

Workflow

1. Bestandsaufnahme der aktuellen Oberfläche

Liste:

  • Ereignisquellen
  • aktuelle Kanäle
  • bestehende Hooks/Skripte, die Alarme ausgeben
  • doppelte Pfade für dasselbe Ereignis
  • stille Fehlerfälle, bei denen wichtige Dinge nicht aufgedeckt werden

Zeigen Sie auf, was ECC bereits besitzt.

2. Entscheiden, was eine Unterbrechung rechtfertigt

Für jede Ereignisfamilie beantworten:

  • Wer muss es wissen?
  • Wie schnell müssen sie es wissen?
  • Soll dies unterbrechen, bündeln oder nur protokollieren?

Verwenden Sie diese Standards:

  • unterbrechen bei Release-, CI-, Sicherheits- und blockierenden Ereignissen
  • Digest für Nachrichten mittlerer Signifikanz
  • nur protokollieren für Telemetrie und geringwertige Lebenszyklus-Marker

3. Dubletten zusammenführen, bevor Kanäle hinzugefügt werden

Suchen nach:

  • demselben PR-Ereignis, das in GitHub, Linear und lokalen Logs erscheint
  • wiederholten Hook-Benachrichtigungen für denselben Fehler
  • Kommentaren oder Status-Rauschen, das zusammengefasst statt unverarbeitet weitergeleitet werden sollte
  • Kanälen, die sich gegenseitig duplizieren, ohne einen besseren Aktionspfad zu bieten

Bevorzugen:

  • eine kanonische Zusammenfassung
  • einen Besitzer
  • einen primären Kanal
  • einen Rückfallpfad

4. Den ECC-nativen Workflow entwerfen

Für jeden echten Benachrichtigungsbedarf definieren:

  • Quelle
  • Tor
  • Form: sofortiger Alarm, Digest, Warteschlange oder nur Dashboard
  • Kanal
  • Aktion

Wenn ECC bereits die Primitive hat, bevorzugen:

  • einen Skill für die Betreiber-Triage
  • einen Hook für die automatische Emission/Durchsetzung
  • einen Agenten für die delegierte Klassifizierung
  • einen MCP/Connector nur, wenn eine echte Brücke fehlt

5. Ein Aktionsorientiertes Design zurückgeben

Enden mit:

  • was behalten
  • was unterdrücken
  • was zusammenführen
  • was ECC als nächstes umschließen sollte

Ausgabeformat

AKTUELLE OBERFLÄCHE
- Quellen
- Kanäle
- Dubletten
- Lücken

EREIGNISMODELL
- kritisch
- hoch
- mittel
- niedrig

WEITERLEITUNGSPLAN
- Quelle -> Kanal
- warum
- Betreiber-Besitzer

KONSOLIDIERUNG
- unterdrücken
- zusammenführen
- kanonische Zusammenfassungen

NÄCHSTER ECC-SCHRITT
- Skill / Hook / Agent / MCP
- exakter Workflow, der als nächstes zu bauen ist

Empfehlungsregeln

  • einen starken Kanal vielen schwachen vorziehen
  • Digest für Nachrichten mittlerer und niedriger Signifikanz bevorzugen
  • Hooks bevorzugen, wenn das Signal automatisch emittiert werden soll
  • Betreiber-Skills bevorzugen, wenn die Arbeit Triage, Weiterleitung und entscheidungsfindung zuerst umfasst
  • project-flow-ops bevorzugen, wenn die Ursache eher Backlog/PR-Koordination als Alarme ist
  • workspace-surface-audit bevorzugen, wenn der Benutzer zuerst eine Quelleninventur benötigt
  • Wenn Desktop-Benachrichtigungen ausreichen, erfinden Sie keine unnötige externe Brücke

Gute Anwendungsfälle

  • „Wir haben GitHub, Linear und lokale Hook-Alarme, aber keinen einzigen Betreiberablauf“
  • „Unsere CI-Fehler sind laut und die Leute ignorieren sie“
  • „Ich möchte eine einheitliche Benachrichtigungsrichtlinie über Claude, OpenCode und Codex-Oberflächen“
  • „Finde heraus, was unterbrechen sollte, was in einem Digest landen sollte“
  • „Überlappende PR-Ideen zu Benachrichtigungen in einen kanonischen ECC-Kanal zusammenführen“

Verwandte Skills

  • workspace-surface-audit
  • project-flow-ops
  • github-ops
  • knowledge-ops
  • customer-billing-ops, wenn der Benachrichtigungsschmerz eher Abrechnungs-/Kundenbetrieb ist als Entwicklung

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

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community