Communitygithub.com

ECC-Tools Cost Audit

Workflow de vérification de la brûlure et de la facturation des ECC Tools, axé sur les preuves. À utiliser lors de l'investigation de la création excessive de PR, du contournement des quotas, des fuites de modèles premium, des tâches en double ou des pics de coûts de l'application GitHub dans le dépôt ECC Tools.

Qu'est-ce que ECC-Tools Cost Audit ?

Cette compétence fournit un workflow opérateur structuré pour auditer les coûts de l'application GitHub ECC Tools. Elle est conçue pour être utilisée lorsqu'un utilisateur soupçonne une brûlure de budget, une création excessive de PR, un contournement des limites d'utilisation, ou une fuite vers des modèles premium. Le guide décrit une procédure systématique en six étapes : geler le périmètre du dépôt, tracer l'entrée (webhooks, file d'attente), inspecter les travailleurs et leurs effets de bord, auditer les chemins de brûlure à fort signal (multiplication des PR, contournement des quotas, fuite premium, brûlure par reprises), corriger les problèmes par ordre de priorité de brûlure, et vérifier avec les plus petites étapes de preuve possible. Il inclut également des compétences connexes à mobiliser (autonomous-loops, agentic-engineering, etc.) et des garde-fous stricts pour éviter de toucher à des flux non liés. Les schémas d'échec typiques sont également documentés (ex : un seul type de file d'attente pour tous les déclencheurs, réservation d'utilisation après mise en file d'attente, branches générées par l'app qui ré-entrent dans le webhook). Cette compétence est spécifique au dépôt sibling ECC-Tools et n'est pas un outil de facturation générique.

Compatible avec✓Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/ecc-tools-cost-audit

Demander à votre IA préférée

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

Documentation

Audit des coûts des ECC Tools

Utilisez cette compétence lorsque l'utilisateur soupçonne que l'application GitHub ECC Tools brûle du budget, crée trop de PR, contourne les limites d'utilisation ou achemine les utilisateurs gratuits vers des chemins d'analyse premium.

Il s'agit d'un workflow opérateur ciblé pour le dépôt sibling ECC-Tools. Ce n'est pas une compétence de facturation générique et ce n'est pas une revue de code à l'échelle du dépôt.

Stack de compétences

Tirez ces compétences natives des ECC dans le workflow lorsqu'elles sont pertinentes :

  • autonomous-loops pour les audits multi-étapes bornés qui traversent les webhooks, les files d'attente, la facturation et les reprises
  • agentic-engineering pour tracer le chemin de la requête en unités discrètes et prouvables
  • customer-billing-ops lorsque le comportement du dépôt et l'impact mathématique sur le client doivent être séparés proprement
  • search-first avant d'inventer des helpers ou de réimplémenter des utilitaires locaux au dépôt
  • security-review lorsque l'authentification, les barrières d'utilisation, les droits d'accès ou les secrets sont touchés
  • verification-loop pour prouver la sécurité de la ré-exécution et l'état exact post-correction
  • tdd-workflow lorsque la correction nécessite une couverture de régression dans le worker, le routeur ou les chemins de facturation

Quand l'utiliser

  • l'utilisateur mentionne le taux de brûlure des ECC Tools, la récursion de PR, les PR créées en trop, le contournement des limites d'utilisation ou la fuite de modèle premium
  • la tâche se trouve dans le dépôt sibling ECC-Tools et dépend des gestionnaires de webhooks, des workers de file d'attente, de la réservation d'utilisation, de la logique de création de PR ou de l'application de la barrière payante
  • un rapport client indique que l'application a créé trop de PR, facturé incorrectement ou analysé du code sans produire de résultat utilisable

Garde-fous de périmètre

  • travailler dans le dépôt sibling ECC-Tools, pas dans everything-claude-code
  • commencer en lecture seule sauf si l'utilisateur a clairement demandé une correction
  • ne pas modifier les flux de facturation, de checkout ou d'interface utilisateur non liés lors du traçage de la brûlure d'analyse
  • traiter les branches générées par l'application et les PR générées par l'application comme des chemins de récursion à drapeau rouge jusqu'à preuve du contraire
  • séparer explicitement trois choses :
    • la cause racine de la brûlure côté dépôt
    • l'impact de la facturation côté client
    • les lacunes de produit ou de droits d'accès nécessitant un suivi dans le backlog

Workflow

1. Geler le périmètre du dépôt

  • basculer dans le dépôt sibling ECC-Tools
  • vérifier d'abord la branche et le diff local
  • identifier la surface exacte sous audit :
    • routeur webhook
    • producteur de file d'attente
    • consommateur de file d'attente
    • chemin de création de PR
    • chemin de réservation d'utilisation / facturation
    • chemin de routage des modèles

2. Tracer l'entrée avant de théoriser

  • inspecter src/index.* ou le point d'entrée principal en premier
  • cartographier chaque chemin d'enfilement avant de suggérer une correction
  • confirmer quels événements GitHub partagent un type de file d'attente
  • confirmer si les événements push, pull_request, synchronize, comment ou les ré-exécutions manuelles peuvent converger sur le même chemin coûteux

3. Tracer le worker et les effets de bord

  • inspecter le consommateur de file d'attente ou le worker planifié qui gère l'analyse
  • confirmer si une analyse en file d'attente se termine toujours par :
    • création de PR
    • création de branche
    • mises à jour de fichiers
    • appels de modèles premium
    • incréments d'utilisation
  • si l'analyse peut dépenser des tokens puis échouer avant que la sortie ne soit persistée, la classer comme brûlure-avec-sortie-cassée

4. Auditer les chemins de brûlure à fort signal

Multiplication de PR

  • inspecter les helpers de PR et la dénomination des branches
  • vérifier la déduplication, la gestion des événements synchronize et la réutilisation des PR existantes
  • si les branches générées par l'application peuvent ré-entrer dans l'analyse, traiter cela comme un risque de récursion de priorité 0

Contournement de quota

  • inspecter où le quota est vérifié par rapport à où l'utilisation est réservée ou incrémentée
  • si le quota est vérifié avant l'enfilement mais que l'utilisation est facturée uniquement à l'intérieur du worker, traiter les passages simultanés par la porte d'entrée comme une véritable course critique

Fuite de modèle premium

  • inspecter la sélection de modèle, la ramification par niveau et le routage des fournisseurs
  • vérifier si les utilisateurs gratuits ou plafonnés peuvent toujours atteindre les analyseurs premium lorsque des clés premium sont présentes

Brûlure par reprises

  • inspecter les boucles de reprise, les tâches de file d'attente en double et les ré-exécutions déterministes d'échec
  • si la même erreur non transitoire peut dépenser de l'analyse à plusieurs reprises, corriger cela avant les améliorations de qualité

5. Corriger par ordre de brûlure

Si l'utilisateur a demandé des modifications de code, priorisez les correctifs dans cet ordre :

  1. arrêter la multiplication automatique de PR
  2. arrêter le contournement de quota
  3. arrêter la fuite premium
  4. arrêter la diffusion de tâches en double et les reprises inutiles
  5. combler les lacunes de sécurité de ré-exécution/mise à jour

Limitez la passe à une à trois corrections directes, sauf si la même cause racine couvre clairement plusieurs fichiers.

6. Vérifier avec les plus petites étapes de preuve

  • ré-exécuter uniquement les tests ciblés ou les tranches d'intégration qui couvrent le chemin modifié
  • vérifier si le chemin de brûlure est désormais :
    • bloqué
    • dédupliqué
    • rétrogradé vers une analyse moins chère
    • ou rejeté tôt
  • indiquer le statut final exactement :
    • modifié localement
    • vérifié localement
    • poussé
    • déployé
    • toujours bloqué

Schémas d'échec à fort signal

1. Un seul type de file d'attente pour tous les déclencheurs

Si les pushes, les synchronisations de PR et les audits manuels enfilent tous le même travail et que le worker crée toujours une PR, l'analyse équivaut à du spam de PR.

2. Réservation d'utilisation après enfilement

Si l'utilisation est vérifiée à la porte d'entrée mais seulement incrémentée dans le worker, les requêtes concurrentes peuvent toutes passer la porte et dépasser le quota.

3. Niveau gratuit sur le chemin premium

Si des travaux gratuits en file d'attente peuvent toujours être acheminés vers Anthropic ou un autre fournisseur premium lorsque des clés existent, il s'agit d'une véritable fuite de dépenses, même si l'utilisateur ne voit jamais le résultat premium.

4. Les branches générées par l'application ré-entrent dans le webhook

Si les événements pull_request.synchronize, les pushes de branche ou les exécutions déclenchées par un commentaire se déclenchent sur des branches appartenant à l'application, l'application peut analyser récursivement sa propre sortie.

5. Travail coûteux avant la sécurité de la persistance

Si le système peut dépenser des tokens puis échouer lors de la création de PR, de la mise à jour de fichier ou de la collision de branche, il brûle du budget sans produire de valeur.

Pièges

  • ne commencez pas par une errance large dans le dépôt ; établissez d'abord webhook -> file d'attente -> worker
  • ne mélangez pas l'inférence de facturation client avec la vérité produit basée sur le code
  • ne corrigez pas les problèmes de qualité de moindre valeur avant que le chemin de brûlure le plus élevé ne soit contenu
  • ne prétendez pas que la brûlure est corrigée tant que l'étape de preuve étroite n'a pas été ré-exécutée
  • ne poussez ni ne déployez sauf si l'utilisateur l'a demandé
  • ne touchez pas aux modifications locales non liées du dépôt si elles sont déjà en cours

Vérification

  • les causes racines citent des chemins de fichiers et des zones de code exacts
  • les corrections sont ordonnées par impact de brûlure, pas par propreté du code
  • les commandes de preuve sont nommées
  • le statut final distingue la modification locale, la vérification, le push et le déploiement

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