Communitygithub.com

automation-audit-ops

Flujo de trabajo de inventario y auditoría de superposición de automatizaciones basado en evidencia para ECC. Úselo cuando el usuario quiera saber qué trabajos, hooks, conectores, servidores MCP o envoltorios están activos, rotos, redundantes o faltantes antes de arreglar algo.

¿Qué es automation-audit-ops?

Este skill proporciona un flujo de trabajo de auditoría para el ecosistema de ECC (Entorno de Control y Comunicación) orientado a inventariar y clasificar todas las automatizaciones activas. Es útil para desarrolladores y administradores que necesitan entender el estado real de sus jobs, hooks, conectores, servidores MCP y envoltorios antes de realizar cambios. El skill se apoya en skills nativos de ECC como `workspace-surface-audit`, `knowledge-ops`, `github-ops` y `ecc-tools-cost-audit` para recolectar evidencia concreta. Su flujo incluye: inventariar la superficie real, clasificar cada elemento por estado (configurado, autenticado, verificado recientemente, obsoleto/roto, faltante), rastrear la ruta de prueba para cada afirmación y finalizar con recomendaciones claras de mantener, fusionar, cortar o arreglar a continuación. El skill garantiza que no se hagan suposiciones sin evidencia y que la salida sea un informe estructurado que distinga claramente entre configuraciones presentes y automatizaciones realmente funcionales.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/automation-audit-ops

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Automation Audit Ops

Utilice esto cuando el usuario pregunte qué automatizaciones están activas, qué trabajos están rotos, dónde hay superposición, o qué herramientas y conectores están realmente realizando trabajo útil en este momento.

Este es un skill operativo de auditoría primero. El trabajo es producir un inventario respaldado por evidencia y un conjunto de recomendaciones de mantener / fusionar / cortar / arreglar a continuación antes de reescribir cualquier cosa.

Stack de Skills

Incorpore estos skills nativos de ECC en el flujo de trabajo cuando sea relevante:

  • workspace-surface-audit para el inventario de conectores, MCP, hooks y aplicaciones
  • knowledge-ops cuando la auditoría necesite conciliar la verdad del repositorio activo con el contexto duradero
  • github-ops cuando la respuesta dependa de CI, flujos de trabajo programados, issues o automatización de PRs
  • ecc-tools-cost-audit cuando el problema real sea el fanout de webhooks, trabajos en cola o el consumo de facturación en el repositorio de la aplicación hermana
  • research-ops cuando el inventario local deba compararse contra el soporte actual de la plataforma o la documentación pública
  • verification-loop para probar el estado posterior a la corrección en lugar de confiar en una recuperación supuesta

Cuándo Usarlo

  • el usuario pregunta "qué automatizaciones tengo", "qué está activo", "qué está roto" o "qué se superpone"
  • la tarea abarca trabajos cron, GitHub Actions, hooks locales, servidores MCP, conectores, envoltorios o integraciones de aplicaciones
  • el usuario quiere saber qué se migró desde otro sistema de agente y qué aún necesita reconstruirse dentro de ECC
  • el espacio de trabajo ha acumulado múltiples formas de hacer lo mismo y el usuario quiere un carril canónico

Barreras de Seguridad

  • comience en modo solo lectura a menos que el usuario haya solicitado explícitamente correcciones
  • separe:
    • configurado
    • autenticado
    • verificado recientemente
    • obsoleto o roto
    • faltante por completo
  • no afirme que una herramienta está activa solo porque un skill o configuración la referencia
  • no fusione ni elimine superficies superpuestas hasta que exista la tabla de evidencia

Flujo de Trabajo

1. Inventariar la superficie real

Lea la superficie activa actual antes de teorizar:

  • hooks del repositorio y scripts de hook locales
  • GitHub Actions y flujos de trabajo programados
  • configuraciones MCP y servidores habilitados
  • integraciones respaldadas por conectores o aplicaciones
  • scripts envoltorio y puntos de entrada de automatización específicos del repositorio

Agrúpelos por superficie:

  • tiempo de ejecución local
  • CI / automatización del repositorio
  • sistemas externos conectados
  • mensajería / notificaciones
  • facturación / operaciones de clientes
  • investigación / monitoreo

2. Clasificar cada elemento por estado activo

Para cada automatización descubierta, marque:

  • configurado
  • autenticado
  • verificado recientemente
  • obsoleto o roto
  • faltante

Luego clasifique el tipo de problema:

  • rotura activa
  • interrupción de autenticación
  • estado obsoleto
  • superposición o redundancia
  • capacidad faltante

3. Trazar la ruta de prueba

Respalde cada afirmación importante con una fuente concreta:

  • ruta de archivo
  • ejecución de flujo de trabajo
  • registro de hook
  • entrada de configuración
  • salida de comando reciente
  • firma de fallo exacta

Si el estado actual es ambiguo, dígalo directamente en lugar de fingir que la auditoría está completa.

4. Terminar con mantener / fusionar / cortar / arreglar a continuación

Para cada superficie superpuesta o sospechosa, devuelva una instrucción:

  • mantener
  • fusionar
  • cortar
  • arreglar a continuación

El valor está en colapsar automatización ruidosa en un carril canónico de ECC, no en preservar todas las rutas históricas.

Formato de Salida

SUPERFICIE ACTUAL
- automatización
- fuente
- estado activo
- prueba

HALLAZGOS
- rotura activa
- superposición
- estado obsoleto
- capacidad faltante

RECOMENDACIÓN
- mantener
- fusionar
- cortar
- arreglar a continuación

PRÓXIMO MOVIMIENTO EN ECC
- skill / hook / flujo de trabajo / carril de aplicación exacto a fortalecer

Errores Comunes

  • no responda desde la memoria cuando se puede leer el inventario activo
  • no trate "presente en configuración" como "funcionando"
  • no arregle redundancia de bajo valor antes de nombrar la ruta de alta señal rota
  • no amplíe la tarea a una reescritura del repositorio si el usuario pidió inventario primero

Verificación

  • las afirmaciones importantes citan una ruta de prueba activa
  • cada automatización descubierta está etiquetada con una categoría de estado activo clara
  • la recomendación final distingue entre mantener / fusionar / cortar / arreglar a continuación

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.

Skills relacionados