Communitygithub.com

Ops d'Agent d'Entreprise

Gérez des charges de travail d'agents de longue durée avec observabilité, limites de sécurité et gestion du cycle de vie. Utilisez-le pour exécuter des charges de travail persistantes nécessitant de l'observabilité, des limites de sécurité ou un contrôle du cycle de vie.

Qu'est-ce que Ops d'Agent d'Entreprise ?

Cette compétence est conçue pour les ingénieurs et les équipes DevOps qui exécutent des systèmes d'agents hébergés dans le cloud ou en continu, dépassant les simples sessions CLI uniques. Elle fournit un ensemble complet de contrôles opérationnels, notamment la gestion du cycle d'exécution (démarrage, pause, arrêt, redémarrage), l'observabilité via les journaux, métriques et traces, ainsi que des contrôles de sécurité avec des périmètres, des autorisations et des interrupteurs d'arrêt d'urgence. La compétence définit des contrôles de base essentiels tels que des artefacts de déploiement immuables, des identifiants de moindre privilège, l'injection de secrets au niveau de l'environnement, des délais d'attente stricts et des budgets de tentatives, ainsi qu'un journal d'audit pour les actions à haut risque. Elle propose également des métriques clés à suivre (taux de réussite, tentatives moyennes par tâche, délai de récupération, coût par tâche réussie, distribution des classes d'échec) et un modèle d'incident structuré pour répondre aux pics d'échecs. Enfin, elle s'intègre aux workflows PM2, aux services systemd, aux orchestrateurs de conteneurs et aux barrières CI/CD, ce qui la rend idéale pour tout environnement de production où la fiabilité et la sécurité des agents doivent être appliquées.

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

Demander à votre IA préférée

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

Documentation

Que fait Ops d'Agent d'Entreprise ?

Utilisez cette compétence pour les systèmes d'agents hébergés dans le cloud ou en continu qui nécessitent des contrôles opérationnels allant au-delà des simples sessions CLI uniques.

Domaines Opérationnels

  1. cycle de vie de l'exécution (démarrer, mettre en pause, arrêter, redémarrer)
  2. observabilité (journaux, métriques, traces)
  3. contrôles de sécurité (périmètres, autorisations, interrupteurs d'arrêt)
  4. gestion des changements (déploiement, repli, audit)

Contrôles de Base

  • artefacts de déploiement immuables
  • identifiants de moindre privilège
  • injection de secrets au niveau de l'environnement
  • délai d'attente strict et budgets de tentatives
  • journal d'audit pour les actions à haut risque

Métriques à Suivre

  • taux de réussite
  • nombre moyen de tentatives par tâche
  • délai de récupération
  • coût par tâche réussie
  • distribution des classes d'échec

Schéma d'Incident

Lorsque les échecs augmentent :

  1. geler le nouveau déploiement
  2. capturer des traces représentatives
  3. isoler la route en échec
  4. corriger avec le plus petit changement sûr
  5. exécuter des tests de régression + de sécurité
  6. reprendre progressivement

Intégrations de Déploiement

Cette compétence s'associe avec :

  • workflows PM2
  • services systemd
  • orchestrateurs de conteneurs
  • barrières CI/CD

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