Communitygithub.com

Operaciones Unificadas de Notificaciones

Opera notificaciones como un flujo de trabajo nativo de ECC en GitHub, Linear, alertas de escritorio, hooks y superficies de comunicación conectadas. Úsalo cuando el problema real sea el enrutamiento, la deduplicación, la escalación o el colapso de la bandeja de entrada de alertas.

¿Qué es Operaciones Unificadas de Notificaciones?

Este skill aborda el problema de un sistema de notificaciones fragmentado, consolidando eventos dispersos en una única superficie de operación para desarrolladores y equipos de ingeniería. Su objetivo es reducir el ruido y aumentar la capacidad de acción, aplicando un pipeline de eventos estructurado: capturar, clasificar por urgencia, enrutar al canal correcto, colapsar duplicados y adjuntar la siguiente acción del operador. El skill es ideal para entornos que ya utilizan herramientas como GitHub, Linear, hooks locales, alertas de escritorio, chat o correo electrónico, pero carecen de una política de notificaciones coherente. Funciona con ECC como orquestador nativo, prefiriendo skills, hooks y agentes sobre la integración de productos de notificaciones externos, y establece reglas estrictas para no exponer secretos, separar fuente, severidad, canal y acción, y por defecto usar resúmenes periódicos cuando el costo de interrupción no esté claro. El resultado es un diseño sesgado a la acción que define qué mantener, suprimir, fusionar y qué debe construir ECC a continuación.

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

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Operaciones Unificadas de Notificaciones?

Usa este skill cuando el problema real no sea la falta de un ping. El problema real es un sistema de notificaciones fragmentado.

El trabajo consiste en convertir eventos dispersos en una única superficie de operación que incluya:

  • severidad clara
  • propiedad clara
  • enrutamiento claro
  • acción de seguimiento clara

Cuándo Usarlo

  • el usuario desea un carril de notificaciones unificado entre GitHub, Linear, hooks locales, alertas de escritorio, chat o correo electrónico
  • fallos de CI, solicitudes de revisión, actualizaciones de incidencias y eventos del operador llegan en lugares desconectados
  • la configuración actual genera ruido en lugar de acción
  • el usuario quiere consolidar ramas de notificaciones superpuestas o propuestas de backlog en un carril nativo de ECC
  • el espacio de trabajo ya tiene hooks, MCPs o herramientas conectadas, pero carece de una política de notificaciones coherente

Superficie Preferida

Comienza desde lo que ya existe:

  • incidencias, PRs, revisiones, comentarios y CI de GitHub
  • movimientos de incidencias/proyectos de Linear
  • eventos de hooks locales y señales del ciclo de vida de la sesión
  • primitivas de notificaciones de escritorio
  • superficies de chat/correo electrónico conectadas cuando realmente existan

Prefiere la orquestación nativa de ECC sobre indicarle al usuario que adopte un producto de notificaciones separado.

Reglas No Negociables

  • nunca expongas tokens, secretos, secretos de webhook o identificadores internos
  • separa:
    • fuente del evento
    • severidad
    • canal de enrutamiento
    • acción del operador
  • por defecto, prioriza el resumen periódico cuando el costo de interrupción no esté claro
  • no distribuyas cada evento a cada canal
  • si la solución real es un mejor triaje de incidencias, una política de hooks o un flujo de proyecto, dilo explícitamente

Pipeline de Eventos

Trata el carril como:

  1. Capturar el evento
  2. Clasificar urgencia y propietario
  3. Enrutar al canal correcto
  4. Colapsar duplicados y ruido de baja señal
  5. Adjuntar la próxima acción del operador

El objetivo es tener menos notificaciones, pero mejores.

Modelo de Severidad por Defecto

ClaseEjemplosManejo por defecto
CríticaCI de rama principal rota, incidencia de seguridad, lanzamiento bloqueado, despliegue fallidointerrumpir ahora
Altarevisión solicitada, PR fallido, traspaso que bloquea al propietarioalerta el mismo día
Mediacambios de estado de incidencias, comentarios notables, movimiento del backlogresumen periódico o cola
Bajaéxitos repetidos, ruido rutinario, marcadores de ciclo de vida redundantessuprimir o plegar

Si el espacio de trabajo no tiene un modelo de severidad, constrúyelo antes de proponer automatización.

Flujo de Trabajo

1. Inventariar la superficie actual

Enumera:

  • fuentes de eventos
  • canales actuales
  • hooks/scripts existentes que emiten alertas
  • rutas duplicadas para el mismo evento
  • casos de fallos silenciosos donde no se están mostrando cosas importantes

Señala qué es propiedad de ECC.

2. Decidir qué merece interrupción

Para cada familia de eventos, responde:

  • ¿quién necesita saberlo?
  • ¿qué tan rápido necesitan saberlo?
  • ¿esto debe interrumpir, agruparse o simplemente registrarse?

Usa estos valores por defecto:

  • interrumpir para eventos de lanzamiento, CI, seguridad y bloqueo del propietario
  • resumen periódico para actualizaciones de señal media
  • solo registro para telemetría y marcadores de ciclo de vida de baja señal

3. Colapsar duplicados antes de agregar canales

Busca:

  • el mismo evento de PR apareciendo en GitHub, Linear y registros locales
  • notificaciones de hook repetidas para el mismo fallo
  • comentarios o cambios de estado que deberían resumirse en lugar de reenviarse en crudo
  • canales que se duplican entre sí sin agregar una mejor ruta de acción

Prefiere:

  • un resumen canónico
  • un propietario
  • un canal primario
  • una ruta de respaldo

4. Diseñar el flujo de trabajo nativo de ECC

Para cada necesidad real de notificación, define:

  • fuente
  • puerta
  • forma: alerta inmediata, resumen periódico, cola o solo panel
  • canal
  • acción

Si ECC ya tiene la primitiva, prefiere:

  • un skill para el triaje del operador
  • un hook para la emisión/aplicación automática
  • un agente para la clasificación delegada
  • un MCP/conector solo cuando falte un puente real

5. Devolver un diseño sesgado a la acción

Termina con:

  • qué mantener
  • qué suprimir
  • qué fusionar
  • qué debería envolver ECC a continuación

Formato de Salida

SUPERFICIE ACTUAL
- fuentes
- canales
- duplicados
- brechas

MODELO DE EVENTOS
- crítico
- alto
- medio
- bajo

PLAN DE ENRUTAMIENTO
- fuente -> canal
- por qué
- propietario del operador

CONSOLIDACIÓN
- suprimir
- fusionar
- resúmenes canónicos

PRÓXIMO MOVIMIENTO DE ECC
- skill / hook / agente / MCP
- flujo de trabajo exacto a construir a continuación

Reglas de Recomendación

  • prefiere un carril fuerte sobre muchos débiles
  • prefiere resúmenes periódicos para actualizaciones de señal media y baja
  • prefiere hooks cuando la señal deba emitirse automáticamente
  • prefiere skills del operador cuando el trabajo sea triaje, enrutamiento y toma de decisiones basada en revisión
  • prefiere project-flow-ops cuando la causa raíz sea la coordinación del backlog/PR en lugar de las alertas
  • prefiere workspace-surface-audit cuando el usuario necesite primero un inventario de fuentes
  • si las notificaciones de escritorio son suficientes, no inventes un puente externo innecesario

Casos de Uso Adecuados

  • "Tenemos alertas de GitHub, Linear y hooks locales, pero ningún flujo de operador unificado"
  • "Nuestros fallos de CI son ruidosos y la gente los ignora"
  • "Quiero una política de notificaciones única para las superficies de Claude, OpenCode y Codex"
  • "Determina qué debería interrumpir versus qué debería ir a un resumen periódico"
  • "Colapsa ideas de PR de notificaciones superpuestas en un carril canónico de ECC"

Skills Relacionados

  • workspace-surface-audit
  • project-flow-ops
  • github-ops
  • knowledge-ops
  • customer-billing-ops cuando el dolor de las notificaciones sea operaciones de facturación/atención al cliente en lugar de ingeniería

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.

Skills relacionados