Communitygithub.com

product-capability

Transformez les intentions produit, demandes de roadmap ou discussions en un plan de capacité prêt à l'implémentation, exposant contraintes, invariants, interfaces et décisions non résolues avant le début des travaux multi-services.

Qu'est-ce que product-capability ?

Cette compétence transforme l'intention produit en contraintes explicites d'ingénierie. Elle est idéale lorsque les spécifications produit (PRD, roadmap, notes fondateur) existent mais que les contraintes d'implémentation restent implicites, notamment pour des fonctionnalités traversant plusieurs services, repos ou équipes. Le résultat est un artefact réutilisable (fichier `PRODUCT.md` ou manifeste selon le template `docs/examples/product-capability-template.md`) qui rend les contraintes cachées durables et exploitables. Le workflow de la compétence procède en quatre étapes : reformuler la capacité (qui, quoi, quel résultat), extraire les contraintes (règles métier, invariants, frontières de confiance, limites de portée), définir le contrat d'implémentation (style SRS avec buts, non-objectifs, acteurs, interfaces, données, sécurité, observabilité), puis traduire en exécution avec un point de remise clair (prêt à implémenter, besoin d'architecture ou de clarification produit). La compétence s'intègre nativement aux plans de Claude Code, Codex, Cursor, OpenCode et ECC 2.0, et peut enchaîner avec d'autres voies ECC comme `project-flow-ops`, `workspace-surface-audit`, `api-connector-builder`, `dashboard-builder`, `tdd-workflow` ou `verification-loop`.

Compatible avec✓Claude Code✓Codex CLI✓Cursor✓OpenCode
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/product-capability

Demander à votre IA préférée

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

Documentation

Capacité Produit

Cette compétence transforme l'intention produit en contraintes explicites d'ingénierie.

Utilisez-la lorsque l'écart n'est pas que devrions-nous construire ? mais que doit exactement être vrai avant de commencer l'implémentation ?

Quand l'utiliser

  • Un PRD, un élément de roadmap, une discussion ou une note fondateur existe, mais les contraintes d'implémentation restent implicites
  • Une fonctionnalité traverse plusieurs services, dépôts ou équipes et nécessite un contrat de capacité avant de coder
  • L'intention produit est claire, mais les implications architecture, données, cycle de vie ou politique sont encore floues
  • Les ingénieurs senior répètent les mêmes hypothèses cachées pendant les revues
  • Vous avez besoin d'un artefact réutilisable qui survivra à travers les environnements et sessions

Artefact canonique

Si le dépôt possède un fichier durable de contexte produit comme PRODUCT.md, docs/product/, ou un répertoire de spécifications programme, mettez-le à jour là-bas.

Si aucun manifeste de capacité n'existe encore, créez-en un en utilisant le modèle suivant :

  • docs/examples/product-capability-template.md

L'objectif n'est pas de créer une autre couche de planification. L'objectif est de rendre les contraintes cachées de capacité durables et réutilisables.

Règles non-négociables

  • N'inventez pas de vérité produit. Marquez explicitement les questions non résolues.
  • Séparez les promesses visibles par l'utilisateur des détails d'implémentation.
  • Désignez ce qui est une politique fixe, ce qui est un choix d'architecture, et ce qui est encore ouvert.
  • Si la demande entre en conflit avec les contraintes existantes du dépôt, dites-le clairement au lieu de lisser.
  • Préférez un artefact de capacité réutilisable à des notes ad hoc dispersées.

Entrées

Lisez uniquement ce qui est nécessaire :

  1. Intention produit
    • issue, discussion, PRD, note de roadmap, message fondateur
  2. Architecture actuelle
    • docs du dépôt, contrats, schémas, routes, flux de travail existants
  3. Contexte de capacité existant
    • PRODUCT.md, docs de conception, RFCs, notes de migration, docs de modèle opérationnel
  4. Contraintes de livraison
    • auth, facturation, conformité, déploiement, rétrocompatibilité, performance, politique de revue

Workflow principal

1. Reformuler la capacité

Compressez la demande en une déclaration précise :

  • qui est l'utilisateur ou l'opérateur
  • quelle nouvelle capacité existe après cette livraison
  • quel résultat change à cause de cela

Si cette déclaration est faible, l'implémentation dérivera.

2. Résoudre les contraintes de capacité

Extrayez les contraintes qui doivent tenir avant l'implémentation :

  • règles métier
  • limites de portée
  • invariants
  • frontières de confiance
  • propriété des données
  • transitions de cycle de vie
  • exigences de déploiement / migration
  • attentes en cas d'échec et de reprise

Ce sont les choses qui vivent souvent uniquement dans la mémoire des ingénieurs senior.

3. Définir le contrat orienté implémentation

Produisez un plan de capacité de style SRS avec :

  • résumé de la capacité
  • non-objectifs explicites
  • acteurs et surfaces
  • états et transitions requis
  • interfaces / entrées / sorties
  • implications sur le modèle de données
  • contraintes de sécurité / facturation / politique
  • exigences d'observabilité et d'opérateur
  • questions ouvertes bloquant l'implémentation

4. Traduire en exécution

Terminez par la remise exacte :

  • prêt pour implémentation directe
  • nécessite d'abord une revue d'architecture
  • nécessite d'abord une clarification produit

Si utile, pointez vers la prochaine voie ECC native :

  • project-flow-ops
  • workspace-surface-audit
  • api-connector-builder
  • dashboard-builder
  • tdd-workflow
  • verification-loop

Format de sortie

Retournez le résultat dans cet ordre :

CAPACITÉ
- reformulation d'un paragraphe

CONTRAINTES
- règles fixes, invariants et limites

CONTRAT D'IMPLÉMENTATION
- acteurs
- surfaces
- états et transitions
- implications interface/données

NON-OBJECTIFS
- ce que cette voie ne possède explicitement pas

QUESTIONS OUVERTES
- bloqueurs ou décisions produit encore nécessaires

REMISE
- ce qui doit se passer ensuite et quelle voie ECC doit le prendre

Bons résultats

  • L'intention produit est maintenant suffisamment concrète pour être implémentée sans redécouvrir des contraintes cachées en cours de PR.
  • La revue d'ingénierie dispose d'un artefact durable au lieu de se fier à la mémoire ou au contexte Slack.
  • Le plan résultant est réutilisable à travers Claude Code, Codex, Cursor, OpenCode et les surfaces de planification ECC 2.0.

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