Communitygithub.com

auditoría-de-superficie-del-espacio-de-trabajo

Audita el repositorio activo, servidores MCP, plugins, conectores, superficies de entorno y configuración del harness, y recomienda las habilidades, hooks, agentes y flujos de trabajo operador nativos de ECC de mayor valor. Úsalo cuando el usuario necesite ayuda para configurar Claude Code o entender qué capacidades están realmente disponibles en su entorno.

¿Qué es auditoría-de-superficie-del-espacio-de-trabajo?

Esta habilidad de auditoría de solo lectura responde a la pregunta fundamental: '¿Qué puede hacer realmente este espacio de trabajo y esta máquina ahora mismo, y qué deberíamos añadir o habilitar a continuación?' Está diseñada para equipos de desarrollo y usuarios de agentes de IA que necesitan evaluar su configuración actual de Claude Code, Cursor o Codex antes de instalar más habilidades, hooks o conectores. La auditoría examina sistemáticamente la superficie del repositorio (package.json, archivos de configuración, manifiestos), la superficie del entorno (archivos .env, revelando solo nombres de variables), las herramientas conectadas (plugins, MCP, LSP) y la superficie ECC (habilidades existentes, comandos, hooks, agentes). Luego compara el inventario con plugins oficiales del marketplace y superficies instaladas localmente para identificar brechas, clasificándolas en tres categorías: ya disponibles, disponibles pero no bien envueltas en ECC, o no disponibles. Finalmente, recomienda la forma nativa de ECC más adecuada para cada brecha (habilidad, hook, agente, servidor MCP o conector) y presenta las 3-5 próximas acciones concretas ordenadas por impacto, priorizando flujos de trabajo con valor empresarial claro como facturación, operaciones de cliente o implementación. La habilidad nunca revela valores secretos, solo nombres de proveedores, capacidades y rutas de archivos.

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

Preguntar en tu IA favorita

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

Documentación

Auditoría de Superficie del Espacio de Trabajo

Habilidad de auditoría de solo lectura para responder a la pregunta "¿qué puede hacer realmente este espacio de trabajo y esta máquina ahora mismo, y qué deberíamos añadir o habilitar a continuación?"

Esta es la respuesta nativa de ECC a los plugins de auditoría de configuración. No modifica archivos a menos que el usuario solicite explícitamente una implementación de seguimiento.

Cuándo Usar

  • El usuario dice "configurar Claude Code", "recomendar automatizaciones", "¿qué plugins o MCP debería usar?", o "¿qué me falta?"
  • Auditar una máquina o repositorio antes de instalar más habilidades, hooks o conectores
  • Comparar plugins oficiales del marketplace con la cobertura nativa de ECC
  • Revisar .env, .mcp.json, configuraciones de plugins o superficies de aplicaciones conectadas para encontrar capas de flujo de trabajo faltantes
  • Decidir si una capacidad debería ser una habilidad, hook, agente, MCP o conector externo

Reglas No Negociables

  • Nunca imprimir valores secretos. Mostrar solo nombres de proveedores, nombres de capacidades, rutas de archivos y si existe una clave o configuración.
  • Preferir flujos de trabajo nativos de ECC sobre consejos genéricos de "instalar otro plugin" cuando ECC pueda razonablemente poseer la superficie.
  • Tratar los plugins externos como puntos de referencia e inspiración, no como límites de producto autoritativos.
  • Separar claramente tres cosas:
    • ya disponible ahora
    • disponible pero no bien envuelto en ECC
    • no disponible y requeriría una nueva integración

Entradas de Auditoría

Inspeccionar solo los archivos y configuraciones necesarios para responder bien a la pregunta:

  1. Superficie del repositorio
    • package.json, archivos de bloqueo, marcadores de lenguaje, configuración del framework, README.md
    • .mcp.json, .lsp.json, .claude/settings*.json, .codex/*
    • AGENTS.md, CLAUDE.md, manifiestos de instalación, configuraciones de hooks
  2. Superficie del entorno
    • archivos .env* en el repositorio activo y espacios de trabajo adyacentes obvios de ECC
    • Mostrar solo nombres de claves como STRIPE_API_KEY, TWILIO_AUTH_TOKEN, FAL_KEY
  3. Superficie de herramientas conectadas
    • Plugins instalados, conectores habilitados, servidores MCP, LSP e integraciones de aplicaciones
  4. Superficie ECC
    • Habilidades existentes, comandos, hooks, agentes y módulos de instalación que ya cubren la necesidad

Proceso de Auditoría

Fase 1: Inventario de lo que Existe

Producir un inventario compacto:

  • objetivos activos del harness
  • plugins instalados y aplicaciones conectadas
  • servidores MCP configurados
  • servidores LSP configurados
  • servicios respaldados por entorno implícitos por nombres de clave
  • habilidades ECC existentes ya relevantes para el espacio de trabajo

Si una superficie existe solo como primitiva, señalarlo. Ejemplo:

  • "Stripe está disponible a través de la aplicación conectada, pero ECC carece de una habilidad de operaciones de facturación"
  • "Google Drive está conectado, pero no hay un flujo de trabajo operador nativo de ECC para Google Workspace"

Fase 2: Comparación con Superficies Oficiales e Instaladas

Comparar el espacio de trabajo con:

  • plugins oficiales de Claude que se superponen con configuración, revisión, documentación, diseño o calidad de flujo de trabajo
  • plugins instalados localmente en Claude o Codex
  • las superficies de aplicaciones conectadas actualmente del usuario

No solo enumerar nombres. Para cada comparación, responder:

  1. qué hacen realmente
  2. si ECC ya tiene paridad
  3. si ECC solo tiene primitivas
  4. si ECC carece por completo del flujo de trabajo

Fase 3: Convertir Brechas en Decisiones ECC

Para cada brecha real, recomendar la forma nativa ECC correcta:

Tipo de BrechaForma ECC Preferida
Flujo de trabajo operador repetibleHabilidad
Cumplimiento automático o efecto secundarioHook
Rol delegado especializadoAgente
Puente de herramienta externaServidor MCP o conector
Guía de instalación/inicializaciónHabilidad de configuración o auditoría

Predeterminar habilidades orientadas al usuario que orquesten herramientas existentes cuando la necesidad sea operativa en lugar de infraestructural.

Formato de Salida

Devolver cinco secciones en este orden:

  1. Superficie actual
    • lo que ya es utilizable ahora mismo
  2. Paridad
    • donde ECC ya iguala o supera el punto de referencia
  3. Brechas solo con primitivas
    • las herramientas existen, pero ECC carece de una habilidad operadora limpia
  4. Integraciones faltantes
    • capacidad aún no disponible
  5. Próximos 3-5 movimientos
    • adiciones concretas nativas de ECC, ordenadas por impacto

Reglas de Recomendación

  • Recomendar como máximo 1-2 ideas de mayor valor por categoría.
  • Favorecer habilidades con intención de usuario y valor empresarial claros:
    • auditoría de configuración
    • operaciones de facturación/cliente
    • operaciones de incidencias/programas
    • operaciones de Google Workspace
    • control de implementación/operaciones
  • Si un conector es específico de una empresa, recomendarlo solo cuando esté genuinamente disponible o sea claramente útil para el flujo de trabajo del usuario.
  • Si ECC ya tiene una primitiva sólida, proponer una habilidad envoltorio en lugar de inventar un subsistema completamente nuevo.

Buenos Resultados

  • El usuario puede ver inmediatamente qué está conectado, qué falta y qué debería poseer ECC a continuación.
  • Las recomendaciones son lo suficientemente específicas para implementar en el repositorio sin otra pasada de descubrimiento.
  • La respuesta final se organiza en torno a flujos de trabajo, no a marcas de API.

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