Communitygithub.com

Auditoría de Automatización

Inventario de automatización basado en evidencia y flujo de trabajo de auditoría de superposición 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 Auditoría de Automatización?

Esta habilidad está diseñada para realizar auditorías basadas en evidencia de automatizaciones en el ecosistema ECC. Es ideal para cuando un usuario pregunta qué automatizaciones están activas, cuáles están rotas, dónde hay superposición o qué herramientas y conectores están realizando trabajo útil en este momento. La auditoría produce un inventario completo y un conjunto de recomendaciones de mantener / fusionar / eliminar / arreglar a continuación, antes de reescribir cualquier cosa. La habilidad se apoya en otras habilidades nativas de ECC como `workspace-surface-audit` para inventario de conectores, MCP, hooks y aplicaciones; `knowledge-ops` para reconciliar la verdad del repositorio en vivo con el contexto duradero; `github-ops` para CI, flujos de trabajo programados, issues o automatización de PR; y `ecc-tools-cost-audit` cuando el problema real es fanout de webhooks, trabajos en cola o consumo de facturación. También integra `verification-loop` para probar el estado posterior a la corrección en lugar de asumir una recuperación. El flujo de trabajo comienza con un inventario de la superficie real, luego clasifica cada elemento por estado en vivo (configurado, autenticado, verificado recientemente, obsoleto o roto, faltante), traza la ruta de evidencia para cada afirmación importante y finaliza con una recomendación clara. Se aplican barreras de seguridad para comenzar en modo solo lectura, separar claramente los estados, no afirmar que una herramienta está activa solo porque una habilidad o configuración la referencia, y no fusionar ni eliminar superficies superpuestas hasta que exista una tabla de evidencia.

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

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Auditoría de Automatización?

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

Esta es una habilidad de operador centrada en auditoría. El trabajo es producir un inventario respaldado por evidencia y un conjunto de recomendaciones de mantener / fusionar / eliminar / arreglar a continuación antes de reescribir cualquier cosa.

Pila de Habilidades

Incorpore estas habilidades nativas de ECC en el flujo de trabajo cuando sea relevante:

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

Cuándo Usar

  • 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 portó desde otro sistema 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 único

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 una habilidad 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 de 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 en vivo

Para cada automatización descubierta, marque:

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

Luego clasifique el tipo de problema:

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

3. Trazar la ruta de evidencia

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 exacta de fallo

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

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

Para cada superficie superpuesta o sospechosa, devuelva una llamada:

  • mantener
  • fusionar
  • eliminar
  • arreglar a continuación

El valor está en colapsar automatización ruidosa en un carril canónico de ECC, no en preservar cada camino histórico.

Formato de Salida

SUPERFICIE ACTUAL
- automatización
- fuente
- estado en vivo
- evidencia

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

RECOMENDACIÓN
- mantener
- fusionar
- eliminar
- arreglar a continuación

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

Errores Comunes

  • no responder de memoria cuando se puede leer el inventario en vivo
  • no tratar "presente en configuración" como "funcionando"
  • no arreglar redundancia de bajo valor antes de nombrar la ruta de alta señal rota
  • no ampliar la tarea a una reescritura del repositorio si el usuario pidió inventario primero

Verificación

  • las afirmaciones importantes citan una ruta de evidencia en vivo
  • cada automatización descubierta está etiquetada con una categoría de estado en vivo clara
  • la recomendación final distingue mantener / fusionar / eliminar / 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/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

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

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-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.

Skills relacionados