Communitygithub.com

Workspace-Surface-Audit (Arbeitsflächenprüfung)

Prüft das aktive Repository, MCP-Server, Plugins, Verbindungen, Umgebungsoberflächen und die Einrichtungsumgebung und empfiehlt die wertvollsten ECC-nativen Fähigkeiten, Hooks, Agents und Operator-Workflows. Verwenden Sie dies, wenn der Benutzer Hilfe bei der Einrichtung von Claude Code benötigt oder verstehen möchte, welche Fähigkeiten in seiner Umgebung tatsächlich verfügbar sind.

Was ist Workspace-Surface-Audit (Arbeitsflächenprüfung)?

Dieser Skill führt eine umfassende, schreibgeschützte Prüfung des aktuellen Arbeitsbereichs und der Maschinenumgebung durch, um die Frage zu beantworten: „Was kann dieser Arbeitsbereich und diese Maschine tatsächlich tun, und was sollten wir als Nächstes hinzufügen oder aktivieren?” Er ist der ECC-native Ersatz für Einrichtungs- und Prüfungs-Plugins und durchsucht die Repository-Oberfläche (package.json, Konfigurationen, Manifeste), die Umgebungsoberfläche (.env-Dateien, wobei nur Schlüsselnamen wie STRIPE_API_KEY offengelegt werden) und die Oberfläche verbundener Tools (installierte Plugins, MCP-Server, LSPs, App-Integrationen). Der Skill prüft existierende ECC-Fähigkeiten und kategorisiert Lücken in drei Bereiche: bereits verfügbar, verfügbar aber nicht gut in ECC abgebildet, oder nicht verfügbar und würde eine neue Integration erfordern. Er gibt eine strukturierte Empfehlung mit den fünf Abschnitten „Aktuelle Oberfläche”, „Parität”, „Nur primitive Lücken”, „Fehlende Integrationen” und den „Top 3-5 nächsten Schritten”, wobei er nach einem strengen Regelwerk priorisiert: Er empfiehlt maximal 1-2 Ideen pro Kategorie, bevorzugt Workflows mit hohem Nutzwert (Setup-Prüfung, Abrechnung, Issue/Programm, Google Workspace, Bereitstellung) und empfiehlt Hüllenskills anstelle neuer Subsysteme, wenn bereits primitive ECC-Funktionen existieren. Der Skill ist plattformunabhängig und für Claude Code, Cursor, Codex und andere Agenten ausgelegt, die das ECC-Ökosystem nutzen.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Workspace Surface Audit (Arbeitsflächenprüfung)

Schreibgeschützter Prüfungs-Skill zur Beantwortung der Frage: „Was kann dieser Arbeitsbereich und diese Maschine tatsächlich jetzt tun, und was sollten wir als Nächstes hinzufügen oder aktivieren?“

Dies ist die ECC-native Antwort auf Einrichtungs- und Prüfungs-Plugins. Er ändert keine Dateien, es sei denn, der Benutzer fordert ausdrücklich eine Folgeimplementierung an.

Verwendung

  • Der Benutzer sagt: „Richte Claude Code ein”, „Empfehle Automatisierungen”, „Welche Plugins oder MCPs sollte ich verwenden?” oder „Was fehlt mir?“
  • Prüfung einer Maschine oder eines Repositorys vor der Installation weiterer Skills, Hooks oder Connectors
  • Vergleich offizieller Marktplatz-Plugins mit ECC-nativer Abdeckung
  • Überprüfung von .env, .mcp.json, Plugin-Einstellungen oder Oberflächen verbundener Apps, um fehlende Workflow-Ebenen zu finden
  • Entscheidung, ob eine Fähigkeit als Skill, Hook, Agent, MCP oder externer Connector umgesetzt werden soll

Verbindliche Regeln

  • Niemals geheime Werte ausgeben. Nur Anbieternamen, Fähigkeitsnamen, Dateipfade und ob ein Schlüssel oder eine Konfiguration existiert, anzeigen.
  • ECC-native Workflows bevorzugen gegenüber generischen „installiere ein anderes Plugin“-Ratschlägen, wenn ECC die Oberfläche sinnvoll abdecken kann.
  • Externe Plugins als Benchmarks und Inspiration behandeln, nicht als maßgebliche Produktgrenzen.
  • Drei Dinge klar trennen:
    • bereits jetzt verfügbar
    • verfügbar aber in ECC nicht gut abgebildet
    • nicht verfügbar und würde eine neue Integration erfordern

Prüfungseingaben

Nur die Dateien und Einstellungen prüfen, die zur guten Beantwortung der Frage erforderlich sind:

  1. Repository-Oberfläche
    • package.json, Lockfiles, Sprachmarkierungen, Framework-Konfiguration, README.md
    • .mcp.json, .lsp.json, .claude/settings*.json, .codex/*
    • AGENTS.md, CLAUDE.md, Installationsmanifeste, Hook-Konfigurationen
  2. Umgebungsoberfläche
    • .env*-Dateien im aktiven Repository und in angrenzenden ECC-Arbeitsbereichen
    • Nur Schlüsselnamen wie STRIPE_API_KEY, TWILIO_AUTH_TOKEN, FAL_KEY anzeigen
  3. Oberfläche verbundener Tools
    • Installierte Plugins, aktivierte Connectors, MCP-Server, LSPs und App-Integrationen
  4. ECC-Oberfläche
    • Vorhandene Skills, Kommandos, Hooks, Agents und Installationsmodule, die den Bedarf bereits abdecken

Prüfungsprozess

Phase 1: Bestandsaufnahme des Vorhandenen

Ein kompaktes Inventar erstellen:

  • Aktive Einrichtungsziele
  • Installierte Plugins und verbundene Apps
  • Konfigurierte MCP-Server
  • Konfigurierte LSP-Server
  • Durch Schlüsselnamen implizierte umgebungsbasierte Dienste
  • Vorhandene ECC-Skills, die für den Arbeitsbereich relevant sind

Wenn eine Oberfläche nur als primitiv existiert, dies hervorheben. Beispiel:

  • „Stripe ist über eine verbundene App verfügbar, aber es fehlt ein ECC-Skill für Abrechnungsoperationen”
  • „Google Drive ist verbunden, aber es gibt keinen ECC-nativen Google Workspace Operator Workflow”

Phase 2: Benchmark gegen offizielle und installierte Oberflächen

Den Arbeitsbereich vergleichen mit:

  • Offiziellen Claude-Plugins, die sich mit Einrichtung, Überprüfung, Dokumentation, Design oder Workflow-Qualität überschneiden
  • Lokal in Claude oder Codex installierten Plugins
  • Den derzeit verbundenen App-Oberflächen des Benutzers

Nicht nur Namen auflisten. Für jeden Vergleich beantworten:

  1. was sie tatsächlich tun
  2. ob ECC bereits Parität hat
  3. ob ECC nur primitive Funktionen hat
  4. ob ECC den Workflow vollständig vermisst

Phase 3: Lücken in ECC-Entscheidungen umwandeln

Für jede echte Lücke die korrekte ECC-native Form empfehlen:

LückentypBevorzugte ECC-Form
Wiederholbarer Operator-WorkflowSkill
Automatische Durchsetzung oder NebenwirkungHook
Spezialisierte delegierte RolleAgent
Externe Tool-BrückeMCP-Server oder Connector
Installations-/Bootstrapping-AnleitungEinrichtungs- oder Prüfungs-Skill

Standardmäßig benutzerseitige Skills bevorzugen, die vorhandene Tools orchestrieren, wenn der Bedarf operativer und nicht infrastruktureller Natur ist.

Ausgabeformat

Fünf Abschnitte in dieser Reihenfolge zurückgeben:

  1. Aktuelle Oberfläche
    • was jetzt bereits nutzbar ist
  2. Parität
    • wo ECC den Benchmark bereits erreicht oder übertrifft
  3. Nur primitive Lücken
    • Tools existieren, aber ECC fehlt ein sauberer Operator-Skill
  4. Fehlende Integrationen
    • Fähigkeit noch nicht verfügbar
  5. Top 3-5 nächste Schritte
    • Konkrete ECC-native Ergänzungen, geordnet nach Wirkung

Empfehlungsregeln

  • Maximal 1-2 der wertvollsten Ideen pro Kategorie empfehlen.
  • Skills mit offensichtlichem Benutzerwillen und Geschäftswert bevorzugen:
    • Einrichtungsprüfung
    • Abrechnungs-/Kundenoperationen
    • Issue-/Programmoperationen
    • Google Workspace Operationen
    • Bereitstellungs-/Betriebskontrolle
  • Wenn ein Connector unternehmensspezifisch ist, ihn nur empfehlen, wenn er tatsächlich verfügbar oder für den Workflow des Benutzers klar nützlich ist.
  • Wenn ECC bereits ein starkes Primitiv hat, einen Hüllen-Skill vorschlagen, anstatt ein brandneues Subsystem zu erfinden.

Gute Ergebnisse

  • Der Benutzer kann sofort sehen, was verbunden ist, was fehlt und was ECC als Nächstes besitzen sollte.
  • Empfehlungen sind spezifisch genug, um ohne weiteren Erkundungsdurchlauf im Repository implementiert zu werden.
  • Die endgültige Antwort ist um Workflows herum organisiert, nicht um API-Marken.

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