Communitygithub.com

messages-ops

Evidenzbasierter Live-Nachrichten-Workflow für ECC. Verwenden, wenn der Benutzer SMS oder DMs lesen, einen kürzlich erhaltenen Einmalcode abrufen, einen Thread vor einer Antwort überprüfen oder die tatsächlich geprüfte Nachrichtenquelle nachweisen möchte.

Was ist messages-ops?

Dieses Skill ist für Live-Nachrichtenabrufe in ECC konzipiert – iMessage, Direktnachrichten (DMs), aktuelle Einmalcodes und Thread-Überprüfungen vor Folgeaktionen. Es unterscheidet sich klar von E-Mail-Workflows. Der Skill stellt sicher, dass die genaue Nachrichtenquelle identifiziert wird (lokale Nachrichten, X/social DMs, browserbasierte Oberflächen) und dass Ergebnisse mit Quellenangabe, Zeitfenster und eindeutigem Status (gelesen, Code gefunden, blockiert, wartet auf Antwortentwurf) zurückgegeben werden. Er arbeitet eng mit anderen ECC-Skills wie `email-ops`, `connections-optimizer`, `lead-intelligence` und `knowledge-ops` zusammen. Der Workflow umfasst vier Schritte: Auflösen des exakten Threads, Lesen vor dem Verfassen einer Antwort, fokussierte Suche nach Einmalcodes und Ausgabe eines standardisierten Evidenzberichts. Die wichtigsten Schutzmaßnahmen verhindern, dass Quellen verschwommen oder nicht genannte Threads behauptet werden, und blockieren nicht-autorisierte Datenbankzugriffe.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/messages-ops

In Ihrer bevorzugten KI fragen

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

Dokumentation

Messages Ops

Verwenden Sie dieses Skill, wenn es um Live-Nachrichtenabrufe geht: iMessage, DMs, aktuelle Einmalcodes oder Thread-Überprüfungen vor einer Folgereaktion.

Dies ist keine E-Mail-Arbeit. Wenn die dominante Oberfläche ein Postfach ist, verwenden Sie email-ops.

Skill-Stack

Ziehen Sie diese ECC-nativen Skills bei Bedarf in den Workflow ein:

  • email-ops wenn die Nachrichtenaufgabe eigentlich Postfacharbeit ist
  • connections-optimizer wenn der DM-Thread zu Outbound-Netzwerkarbeit gehört
  • lead-intelligence wenn der Live-Thread die Zielauswahl oder Warm-Path-Kontaktaufnahme informieren soll
  • knowledge-ops wenn die Thread-Inhalte in dauerhaften Kontext aufgenommen werden müssen

Wann verwenden

  • Der Benutzer sagt "Lies meine Nachrichten", "Überprüfe SMS", "Schau in DMs" oder "Finde den Code"
  • Die Aufgabe hängt von einem Live-Thread oder einem aktuellen Code ab, der an eine lokale Nachrichtenoberfläche geliefert wurde
  • Der Benutzer wünscht einen Nachweis, welche Quelle oder welcher Thread überprüft wurde

Schutzmaßnahmen

  • Klären Sie zuerst die Quelle:
    • Lokale Nachrichten
    • X / Social DM
    • Eine andere browserbasierte Nachrichtenoberfläche
  • Beanspruchen Sie nicht, dass ein Thread überprüft wurde, ohne die Quelle zu nennen
  • Improvisieren Sie keinen direkten Datenbankzugriff, wenn ein geprüfter Helfer oder Standardpfad vorhanden ist
  • Wenn Authentifizierung oder MFA die Oberfläche blockiert, melden Sie den genauen Blocker

Workflow

1. Den exakten Thread auflösen

Bevor Sie etwas anderes tun, klären Sie:

  • Nachrichtenoberfläche
  • Absender / Empfänger / Dienst
  • Zeitfenster
  • Ob die Aufgabe Abrufen, Überprüfen oder Vorbereiten einer Antwort ist

2. Lesen vor dem Verfassen

Wenn die Aufgabe in eine ausgehende Folgereaktion münden könnte:

  • Lesen Sie die neueste eingehende Nachricht
  • Identifizieren Sie die offene Schleife
  • Übergeben Sie dann bei Bedarf an das richtige Outbound-Skill

3. Codes als fokussierte Abrufaufgabe behandeln

Für Einmalcodes:

  • Durchsuchen Sie zuerst das lokale Nachrichtenfenster der letzten Zeit
  • Eingrenzen nach Dienst oder Absender, wenn möglich
  • Stoppen, sobald der Code gefunden oder die fokussierte Suche erschöpft ist

4. Exakte Beweise melden

Zurückgeben:

  • Verwendete Quelle
  • Thread oder Absender, wenn möglich
  • Zeitfenster
  • Exakter Status:
    • gelesen
    • code-gefunden
    • blockiert
    • wartet auf Antwortentwurf

Ausgabeformat

QUELLE
- Nachrichtenoberfläche
- Absender / Thread / Dienst

ERGEBNIS
- Nachrichtenzusammenfassung oder Code
- Zeitfenster

STATUS
- gelesen / code-gefunden / blockiert / wartet auf Antwortentwurf

Fallstricke

  • Vermischen Sie nicht Postfacharbeit und DM/SMS-Arbeit
  • Beanspruchen Sie keinen Abruf ohne Nennung der Quelle
  • Vergeuden Sie keine Zeit mit breiten Suchen, wenn es um die Suche nach einem aktuellen Code geht
  • Wiederholen Sie keinen blockierten Authentifizierungspfad, ohne den Blocker zu melden

Verifikation

  • Die Antwort nennt die Nachrichtenquelle
  • Die Antwort enthält einen Absender, Dienst, Thread oder einen klaren Blocker
  • Der Endzustand ist explizit und begrenzt

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

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.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Verwandte Skills