Communitygithub.com

Automation Audit Ops

Workflow d'inventaire et d'audit basé sur des preuves pour les automatisations ECC, identifiant les jobs, hooks, connecteurs, serveurs MCP ou wrappers en direct, cassés, redondants ou manquants avant toute réparation.

Qu'est-ce que Automation Audit Ops ?

Cette skill est conçue pour effectuer un audit centré sur les preuves de l'infrastructure d'automatisation d'un espace de travail ECC. Elle permet de dresser un inventaire complet des automations actives (jobs cron, GitHub Actions, hooks, serveurs MCP, connecteurs, wrappers) et de classifier chaque élément selon son état de fonctionnement : configuré, authentifié, vérifié récemment, obsolète ou cassé, ou complètement manquant. L'objectif est de produire un tableau de bord clair avec des recommandations de type 'garder', 'fusionner', 'supprimer' ou 'réparer ensuite', en s'appuyant sur des preuves concrètes (chemins de fichiers, logs, exécutions de workflows) plutôt que sur des suppositions. Cette skill est particulièrement utile pour les développeurs et les ingénieurs DevOps qui gèrent des systèmes complexes avec de multiples points d'automatisation et qui souhaitent réduire la redondance, identifier les pannes et rationaliser les processus avant de procéder à des modifications. Elle s'intègre à l'écosystème ECC et utilise d'autres skills comme workspace-surface-audit, knowledge-ops, github-ops et verification-loop pour garantir une analyse complète et fiable.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Automation Audit Ops ?

Utilisez cette skill lorsque l'utilisateur demande quelles automatisations sont en direct, quels jobs sont cassés, où se trouvent les chevauchements, ou quels outils et connecteurs effectuent réellement un travail utile en ce moment.

Il s'agit d'une skill opératrice axée sur l'audit. Son rôle est de produire un inventaire étayé par des preuves et un ensemble de recommandations « garder / fusionner / supprimer / réparer ensuite » avant de réécrire quoi que ce soit.

Stack de compétences

Intégrez ces skills natives ECC dans le workflow si nécessaire :

  • workspace-surface-audit pour l'inventaire des connecteurs, des MCP, des hooks et des applications
  • knowledge-ops lorsque l'audit doit concilier la vérité du dépôt en direct avec le contexte durable
  • github-ops lorsque la réponse dépend des CI, des workflows planifiés, des issues ou de l'automatisation des PR
  • ecc-tools-cost-audit lorsque le vrai problème est le fanout des webhooks, les jobs en file d'attente ou la consommation de facturation dans le dépôt d'application jumeau
  • research-ops lorsque l'inventaire local doit être comparé à la plateforme actuelle ou aux documents publics
  • verification-loop pour prouver l'état après correction au lieu de se fier à une récupération présumée

Quand l'utiliser

  • l'utilisateur demande « quelles automatisations ai-je », « qu'est-ce qui est en direct », « qu'est-ce qui est cassé » ou « qu'est-ce qui se chevauche »
  • la tâche couvre les jobs cron, GitHub Actions, les hooks locaux, les serveurs MCP, les connecteurs, les wrappers ou les intégrations d'applications
  • l'utilisateur veut savoir ce qui a été porté depuis un autre système d'agent et ce qui doit encore être reconstruit dans ECC
  • l'espace de travail a accumulé plusieurs façons de faire la même chose et l'utilisateur veut une seule voie canonique

Garde-fous

  • commencez en lecture seule sauf si l'utilisateur a explicitement demandé des correctifs
  • séparez :
    • configuré
    • authentifié
    • vérifié récemment
    • obsolète ou cassé
    • manquant
  • n'affirmez pas qu'un outil est en direct simplement parce qu'une skill ou une configuration le référence
  • ne fusionnez ni ne supprimez les surfaces qui se chevauchent tant que le tableau de preuves n'existe pas

Workflow

1. Inventorier la surface réelle

Lisez la surface en direct actuelle avant de théoriser :

  • hooks de dépôt et scripts de hook locaux
  • GitHub Actions et workflows planifiés
  • configurations MCP et serveurs activés
  • intégrations basées sur des connecteurs ou des applications
  • scripts wrapper et points d'entrée d'automatisation spécifiques au dépôt

Regroupez-les par surface :

  • runtime local
  • CI / automatisation du dépôt
  • systèmes externes connectés
  • messagerie / notifications
  • facturation / opérations clients
  • recherche / surveillance

2. Classifier chaque élément par état de fonctionnement

Pour chaque automatisation découverte, marquez :

  • configuré
  • authentifié
  • vérifié récemment
  • obsolète ou cassé
  • manquant

Ensuite, classifiez le type de problème :

  • panne active
  • panne d'authentification
  • état obsolète
  • chevauchement ou redondance
  • fonctionnalité manquante

3. Tracer le chemin de preuve

Étayez chaque affirmation importante avec une source concrète :

  • chemin de fichier
  • exécution de workflow
  • log de hook
  • entrée de configuration
  • sortie de commande récente
  • signature d'échec exacte

Si l'état actuel est ambigu, dites-le directement au lieu de faire semblant que l'audit est complet.

4. Terminez avec garder / fusionner / supprimer / réparer ensuite

Pour chaque surface qui se chevauche ou suspecte, retournez un appel :

  • garder
  • fusionner
  • supprimer
  • réparer ensuite

La valeur réside dans la réduction des automatisations bruyantes en une seule voie ECC canonique, pas dans la préservation de chaque chemin historique.

Format de sortie

SURFACE ACTUELLE
- automatisation
- source
- état de fonctionnement
- preuve

CONSTATATIONS
- panne active
- chevauchement
- état obsolète
- fonctionnalité manquante

RECOMMANDATION
- garder
- fusionner
- supprimer
- réparer ensuite

PROCHAINE ACTION ECC
- skill / hook / workflow / voie d'application exacte à renforcer

Pièges

  • ne répondez pas de mémoire lorsque l'inventaire en direct peut être lu
  • ne traitez pas « présent dans la configuration » comme « fonctionnel »
  • ne réparez pas une redondance de moindre valeur avant de nommer le chemin à fort signal cassé
  • n'élargissez pas la tâche en une réécriture de dépôt si l'utilisateur a d'abord demandé un inventaire

Vérification

  • les affirmations importantes citent un chemin de preuve en direct
  • chaque automatisation découverte est étiquetée avec une catégorie d'état de fonctionnement claire
  • la recommandation finale distingue garder / fusionner / supprimer / réparer ensuite

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 associés