CommunityRecherche & Datenanalysegithub.com

shikigami-audit-web

Qualitätsaudit einer Client-Website und ihres Quellcodes gemäß Opquast V5 (245 Regeln) mit barrierefreiheitsbezogenen Korrespondenzen zu RGAA 4.1.2 / WCAG 2.2, veröffentlicht als interaktiver Bericht (Artifact) und während des Auftrags wiederholt, um Korrekturen zu verfolgen; kann den Aktionsplan als sprintfertige Tickets an Jira senden (via MCP).

Was ist shikigami-audit-web?

Dieses Skill führt ein umfassendes Webqualitätsaudit für eine Client-Website und ihren Quellcode auf Basis von Opquast V5 (245 Regeln) durch, wobei es auch Barrierefreiheitsaspekte nach RGAA 4.1.2 und WCAG 2.2 abdeckt. Es erstellt einen interaktiven Bericht als Artifact, der bei Wiederholungen aktualisiert wird, und kann den daraus abgeleiteten Aktionsplan über MCP als Tickets direkt in Jira anlegen – ideal für die Sprintplanung. Das Skill unterstützt Erstaudits und Wiederholungen (z. B. bei Codeänderungen) und wird ausgelöst durch Befehle wie "Opquast-Audit", "Webqualitäts-Audit", "Auftragsstart-Audit" oder das Einfügen von `/shikigami-audit-web refresh`. Es nutzt mehrere Unteragenten, die parallel evaluieren, und bietet eine Live-Übersicht der Agentaktivitäten. Für ein reines RGAA-Konformitätsaudit (mit Konformitätsrate und Erklärung) ist ein separates RGAA-Skill vorgesehen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/npier97/shikigami-skill/tree/main/skills/shikigami-audit-web

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

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

Dokumentation

Web-Audit (Opquast + Barrierefreiheit)

Dieses Skill auditiert ein Client-Produkt anhand der 245 Opquast V5-Regeln (plus 3 in V5 entfernte V4-Regeln) aus zwei Quellen: der Live-Website und dem Quellcode des aktuellen Repositorys. Es veröffentlicht den Bericht als Artifact und aktualisiert ihn bei jedem neuen Durchlauf. Das Design des Berichts ist festgelegt: Niemals umgestalten, nur die Daten befüllen.

Skill-Dateien (relativ zu dieser SKILL.md):

  • references/rules-v5.json: Katalog der Regeln (ID, Thema, deutsche und englische Umformulierung, Prüfquelle, RGAA/WCAG-Korrespondenzen, indikativ).
  • references/methode.md: Wie jedes Thema zu prüfen ist, und bekannte Fallstricke. Vor der Bewertung lesen.
  • references/accessibilite.md: Wie barrierefreiheitsbezogene Regeln behandelt werden, was aus der RGAA-Auditmethode übernommen wird, und Grenzen.
  • references/schema.md: Format von config.json und audit.json.
  • references/jira.md: Optionale Übermittlung des Aktionsplans an Jira (Tickettypen, Vorlagen, Qualitätskontrolle, Erstellung via MCP).
  • assets/template.html: Die Berichtsseite. Nicht für einen Client ändern.
  • scripts/build.py: Validierung, Aufzeichnung von Durchläufen, Vergleich, Generierung. Mit python3 ausführen.
  • viewer/: Animierte Ansicht der Unteragenten während der Bewertung (siehe „Live-Ansicht der Unteragenten" und viewer/README.md).

Die Client-Daten befinden sich im Repository im Ordner .audit-web/: config.json (Identität, Logo, URL, Umfang, Artifact-URL), audit.json (Ergebnisse und Verlauf), report.html (generierte Ausgabe, kann von git ignoriert werden).

B=<Skill-Ordner>/scripts/build.py; Alle Befehle vom Stammverzeichnis des Client-Repositorys ausführen.

Modus auswählen

  • .audit-web/audit.json existiert nicht → Erstaudit.
  • Es existiert, oder der Benutzer spricht von erneuter Durchführung / Aktualisierung, oder fügt /shikigami-audit-web refresh ein → Wiederholung.

Erstaudit

  1. Konfigurieren. Ableiten, was aus dem Repository erschlossen werden kann (Produktname aus package.json oder README, Produktions-URL aus Konfiguration oder Dokumentation, Routen aus dem Router, Vorhandensein eines Shops, Konten, Newsletters, PDFs…). Mit AskUserQuestion nur das erfragen, was sich nicht ableiten lässt: Name des Client-Unternehmens, Produktname falls mehrdeutig, URL der Website, Logo (optional, mit einer Variante für den Dark Mode), Anzeige des Prüfers in der Fußzeile. Im selben Aufruf die Live-Ansicht anbieten (siehe „Live-Ansicht der Unteragenten") und diese sofort nach der Antwort starten, vor jedem anderen Schritt. .audit-web/config.json schreiben (siehe Schema). Die Logos in .audit-web/ kopieren, um relative Pfade zu erhalten. Berichtssprache: fr standardmäßig, en falls der Client englischsprachig ist.
  2. Stichprobe. Die zu auditierten Seiten auswählen: Startseite, repräsentative Seiten jeder Vorlage, Schlüsselflüsse (Kontaktformular, Checkout, persönlicher Bereich) und Pflichtseiten (Impressum, Datenschutz, Sitemap, Hilfe, Suche, falls vorhanden). Den Benutzer auf fehlende Pflichtseiten hinweisen.
  3. python3 $B init-audit erstellt audit.json mit allen Regeln im Status todo.
  4. Jede Regel bewerten gemäß references/methode.md. Die Prüfungen der Live-Website (curl, dig, Browser) nur einmal durchführen und die Ergebnisse wiederverwenden. Für ein vollständiges Audit die Themen auf 3 oder 4 Unteragenten verteilen (z. B.: 1–2 + 5 + 10; 3–4 + 6–7; 8–9 + 11; 12–14) und ihnen die Methode, accessibilite.md, die Konfiguration, die Regelliste und die gemeinsamen Testergebnisse der Live-Website geben. Falls die Live-Ansicht läuft, deren Namenskonventionen anwenden (siehe „Live-Ansicht der Unteragenten"). Jeder gibt JSON-Einträge zurück: {id, status, finding, fix, impact?, evidence}. In audit.json zusammenführen, dann selbst die Nichtkonformitäten und Teilkonformitäten durchlesen: Sie tragen den Bericht.
  5. Barrierefreiheitsbezogene Regeln (diejenigen mit einem Feld a11y im Katalog): references/accessibilite.md folgen. impact (Behinderungsprofil und Blockierungssituation) für jede Nichtkonformität oder Teilkonformität angeben. Falls ein RGAA-Referenzskill installiert ist, diesen verwenden, um die Bezeichnung und Tests eines RGAA-Kriteriums zu überprüfen, bevor es in einem Befund zitiert wird.
  6. meta.lede verfassen (was auditiert wurde: Referenz, Seiten, Repository), meta.verdict (4 bis 6 einfache Sätze, auch für Laien verständlich: Stand der Website, Abweichungen, Grund für viele N/A, was „zu prüfen" hier bedeutet, „Wählen Sie eine Kachel, um das Register zu filtern.") und meta.method (wie geprüft wurde, was nur stichprobenartig geprüft wurde).
  7. Den Aktionsplan verfassen: Die Nichtkonformitäten und Teilkonformitäten in 8 bis 14 Arbeitspakete gruppieren, jeweils mit einer Kritikalität (critical = Blockierend: Sicherheit, rechtliche Offenlegung oder Zugangsbehinderung für ein Benutzerprofil; high = Hoch: defektes Verhalten oder gesetzliche Verpflichtung; medium = Mittel: sichtbarer Qualitätsmangel; low = Niedrig: Nacharbeit), einem Aufwand (simple, moderate, complex), einem als Aktion formulierten Titel, den abgedeckten Regeln und 1 bis 3 Sätzen zur Umsetzung.
  8. python3 $B validate, dann python3 $B snapshot --commit $(git rev-parse HEAD) --branch $(git branch --show-current), dann python3 $B render.
  9. .audit-web/report.html mit dem Artifact-Tool veröffentlichen (neues Artifact, Icon checklist, Beschreibung mit Client-Namen). Die zurückgegebene URL in config.json speichern (artifactUrl).
  10. Jira anbieten (optional). Mit AskUserQuestion den Benutzer fragen, ob die Arbeitspakete des Aktionsplans zum Jira-Board hinzugefügt werden sollen. Falls ja, references/jira.md folgen: MCP-Verbindung, Konfiguration, Typauswahl, Verfassen, Qualitätskontrolle, Vorschau, ausdrückliche Zustimmung, Erstellung, dann render und erneute Veröffentlichung, um die Jira-Schlüssel im Bericht anzuzeigen. Falls nein, hier enden.

Wiederholung

  1. Die Live-Ansicht gleich zu Beginn anbieten (siehe „Live-Ansicht der Unteragenten") und vor jedem anderen Schritt starten. config.json und audit.json laden. Anzeigen, was sich seit dem letzten auditierten Commit im Code geändert hat: git log --oneline <letzter Commit>..HEAD und git diff --stat <letzter Commit>..HEAD. Falls dieser Commit unbekannt oder nicht erreichbar ist, dies mitteilen und annehmen, dass der gesamte Code geändert wurde.

  2. Neu bewerten, mit aktuellen Nachweisen (gleiche Methode wie beim Erstaudit):

    • alle Regeln mit fail, partial und check;
    • Regeln mit pass, deren Nachweisdateien sich geändert haben, und alle, deren how live oder dns ist (Header, Weiterleitungen und DNS ändern sich ohne Commit);
    • eine Stichprobe von etwa fünfzehn anderen pass-Regeln, verteilt auf die Themen;
    • na-Regeln nur, wenn sich der Umfang geändert hat (das Produkt hat nun Konten, einen Shop, einen Newsletter, PDFs…). config.scope gegebenenfalls aktualisieren.

    Falls die Neubewertung auf mehrere Unteragenten verteilt wird, wie beim Erstaudit vorgehen, einschließlich der Namenskonventionen.

  3. Niemals einen Status ohne neuen Nachweis ändern. finding neu schreiben, um den aktuellen Produktzustand zu beschreiben, fix und impact leeren, wenn die Regel konform wird, evidence ersetzen. Falls ein vorheriger Status schlicht falsch war (und nicht auf eine Produktänderung zurückgeht), dies zu corrections hinzufügen, anstatt es als Fortschritt darzustellen.

  4. Den Plan aktualisieren: Arbeitspakete für neue Nichtkonformitäten hinzufügen, Text derjenigen anpassen, deren verbleibende Arbeit sich geändert hat. Kein Arbeitspaket löschen: snapshot setzt ein Arbeitspaket auf „erledigt", wenn alle seine Regeln konform oder N/A sind, und öffnet es bei Regressionen wieder.

  5. meta.verdict aktualisieren, sodass es den aktuellen Stand beschreibt.

  6. python3 $B snapshot --commit … --branch …, dann python3 $B render. Der Snapshot zeigt den Vergleich (korrigiert, verbessert, Regressionen).

  7. Das Artifact unter artifactUrl lesen (Artifact action: "read"), dann .audit-web/report.html unter derselben Adresse veröffentlichen. Falls artifactUrl fehlt, ein neues Artifact veröffentlichen und dessen URL speichern.

  8. Dem Benutzer in wenigen Zeilen zusammenfassen: was korrigiert wurde, was regrediert, was noch offen ist, und der Link.

  9. Jira (optional). Falls config.jira existiert oder Arbeitspakete ein Ticket haben, das in references/jira.md § 8 beschriebene Jira-Update vorschlagen (neue Tickets, Kommentare zu erledigten Arbeitspaketen, verknüpfter Bug bei Regression). Sonst die Übermittlung wie beim Erstaudit anbieten. Ohne ausdrückliche Zustimmung geht nichts an Jira.

Live-Ansicht der Unteragenten

Eine lokale Seite zeigt jeden Unteragenten als Figur an seinem Schreibtisch: was er tut, wohin er geht (Regal für Referenzen, Fenster für die Live-Website, Drucker für seine Ergebnisse), seinen Fortschritt, seine Fehler und das von ihm gelieferte Ergebnis, auf dem Whiteboard festgehalten. Die Hauptsitzung erscheint ebenfalls unter dem Namen Kantoku, der koordiniert und dann die Kopien zusammenführt. Ein Klick auf eine Figur oder auf ihre Zeile öffnet deren Detail. Sie liest die Transkripte, die Claude Code bereits auf die Festplatte schreibt: Sie kostet keine Tokens und ändert nichts am Audit.

  1. Wann: ganz zu Beginn des Audits oder der Wiederholung, im ersten Aufruf von AskUserQuestion (zusammen mit den Konfigurationsfragen, falls vorhanden). Die Seite öffnet sich sofort auf dem leeren Schreibtisch, Kantoku am Whiteboard; jeder Unteragent erscheint an seinem Schreibtisch, wenn das Audit ihn startet. Nicht in der Cloud-Sitzung (claude.ai/code): Der Benutzer kann localhost nicht öffnen. In diesem Fall nichts anbieten.
  2. Einmal vorschlagen: „Live-Ansicht der Agenten öffnen?". Bei Ablehnung ohne fortsetzen.
  3. Starten sofort nach der Antwort, vom Stammverzeichnis des Client-Repositorys, im Hintergrund: node <Skill-Ordner>/viewer/server.mjs. Die Adresse aus der Zeile VIEWER_URL=… der Ausgabe lesen (sie erscheint in unter einer Sekunde). Im integrierten Browser der Anwendung öffnen (preview_start mit url) oder in der Befehlszeile mit open <url>. Dann das Audit ohne Warten fortsetzen.
  4. Unteragenten benennen und einweisen, damit die Ansicht lesbar ist:
    • description des Agent-Tools im Format Opquast · <Thema>, mit einem Themenschlüsselwort, das die Ansicht erkennt: Jedes Themenpaar hat seine Figur, die von Durchlauf zu Durchlauf gleich bleibt. Inhalte / Formulare → Fumi Kaku, Links / Medien → Tsuna Hikari, Navigation / Präsentation → Michi Iro, Sicherheit / Server / Struktur → Mamo Kumo. Die vier Unteragenten benennen: Opquast · Inhalte & Formulare, Opquast · Links & Medien, Opquast · Navigation & Präsentation und Opquast · Sicherheit & Server, gefolgt von der Anzahl der Regeln des Pakets in Klammern (Opquast · Navigation & Präsentation (14)): Die Ansicht leitet daraus den Fortschrittsbalken ab. Ein unbekanntes Thema oder ein fünfter Agent erhält eine Reservefigur.
    • Von ihnen eine description auf Deutsch mit höchstens 6 Wörtern bei jedem Bash-Aufruf verlangen, vorangestellt mit der Nummer der geprüften Regel, wenn der Aufruf eine betrifft (R228 · Prüft den Zeichensatz, RV4-25 · Prüft den externen Link): Dies ist der Text, der während ihrer Arbeit angezeigt wird, und die Ansicht zählt die bereits geprüften Regeln. Sie auch bitten, mit einer Aufschlüsselung nach Status in der Form pass N, partial N, fail N, check N, na N zu enden: Sie füllt das Whiteboard.
    • Sich selbst eine description auf Deutsch für die Bash-Aufrufe der Hauptsitzung während des Audits geben: Kantoku zeigt sie an.
    • Sie bitten, temporäre Dateien (heruntergeladene Seiten, Ausgaben) ausschließlich im temporären Arbeitsverzeichnis zu speichern, niemals im Client-Repository.
  5. Beenden: Der Server beendet sich von selbst 90 s nach dem Ende des letzten Unteragenten. Wird das Audit unterbrochen oder endet es, ohne dass ein Unteragent gestartet wurde, den Server-Task beenden.
  6. Durchlauf speichern (optional): Falls der Benutzer den Durchlauf erneut ansehen oder zeigen möchte, speichert node <Skill-Ordner>/viewer/export-replay.mjs --out <Datei>.html eine eigenständige HTML-Datei mit Wiedergabe, Pause, Geschwindigkeit und Zeitleiste.

Befunde verfassen

  • Sachlich beschreiben, was das Produkt heute tut, dann die Korrektur. Kurze Sätze. Dateiname, URL, Header oder Befehl nennen, der den Nachweis erbringt.
  • Code, Header, Pfade und Selektoren in Backticks setzen: Die Seite zeigt sie als Code an. URLs und gängige Dateinamen werden automatisch erkannt.
  • Ein N/A hat immer einen Grund in einem Satz („Kein Benutzerkonto.", „Es wird nichts verkauft: kein Warenkorb, keine Bestellung, keine Zahlung."). Denselben Satz für den E-Commerce-Block wiederverwenden.
  • check („Zu prüfen") = Der Nachweis liegt außerhalb des Repositorys und der Website (automatische Antwort eines E-Mail-Postfachs, Versandtool, juristische Person) oder erfordert einen menschlichen Test (Screenreader). Genau angeben, was zu prüfen ist.
  • partial = Die Regel wird an manchen Stellen eingehalten, an anderen nicht; angeben, wo sie nicht eingehalten wird.
  • Bei einer barrierefreiheitsbezogenen Regel impact hinzufügen: Wer blockiert wird und wie („Blinde, die einen Screenreader verwenden, …").

Verwandte Skills