Communitygithub.com

unified-notifications-ops

Opérez les notifications comme un flux natif ECC sur GitHub, Linear, alertes bureau, hooks et surfaces de communication connectées. Utilisez-le quand le vrai problème est le routage, la déduplication, l'escalade ou l'effondrement de la boîte de réception.

Qu'est-ce que unified-notifications-ops ?

Unified Notifications Ops est une compétence technique conçue pour résoudre le problème des systèmes de notifications fragmentés. Son objectif est de transformer des événements dispersés en une interface opérateur unique, avec des niveaux de sévérité, de propriété, de routage et d'action de suivi clairs. Elle est particulièrement utile pour les développeurs utilisant des plateformes comme Claude Code, Cursor ou Codex, qui doivent gérer des notifications provenant de GitHub, Linear, de hooks locaux, d'alertes bureau ou de chats. La compétence propose un pipeline d'événements en 5 étapes (capture, classification, routage, effondrement, action) et un modèle de sévérité par défaut (critique, haute, moyenne, basse). Elle recommande de préférer l'orchestration native ECC (skills, hooks, agents, MCPs) à l'adoption de produits séparés, et insiste sur des règles non-négociables comme la non-exposition de secrets, la séparation des composants (source, sévérité, canal, action), et le choix du digest comme mode par défaut lorsque le coût d'interruption est incertain. En fin de processus, elle livre un plan de routage et de consolidation concret, orienté vers l'action.

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

Demander à votre IA préférée

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

Documentation

Opérations de Notifications Unifiées

Utilisez cette compétence lorsque le vrai problème n'est pas un signal manquant. Le vrai problème est un système de notifications fragmenté.

Le travail consiste à transformer des événements épars en une surface opérateur unique avec :

  • une sévérité claire
  • une propriété claire
  • un routage clair
  • une action de suivi claire

Quand l'utiliser

  • l'utilisateur souhaite un couloir de notification unifié sur GitHub, Linear, hooks locaux, alertes bureau, chat ou e-mail
  • les échecs CI, les demandes de révision, les mises à jour de problèmes et les événements opérateur arrivent dans des endroits déconnectés
  • la configuration actuelle crée du bruit au lieu de l'action
  • l'utilisateur veut consolider des branches de notification ou des propositions de backlog qui se chevauchent en un seul couloir natif ECC
  • l'espace de travail a déjà des hooks, des MCP ou des outils connectés, mais aucune politique de notification cohérente

Surface Préférée

Partez de ce qui existe déjà :

  • Problèmes GitHub, PR, révisions, commentaires et CI
  • Mouvements de problèmes/projets Linear
  • Événements de hooks locaux et signaux de cycle de vie de session
  • Primitives de notification de bureau
  • Surfaces e-mail/chat connectées lorsqu'elles existent réellement

Préférez l'orchestration native ECC plutôt que de dire à l'utilisateur d'adopter un produit de notification séparé.

Règles Non-Négociables

  • ne jamais exposer de jetons, secrets, secrets de webhook ou identifiants internes
  • séparez :
    • la source de l'événement
    • la sévérité
    • le canal de routage
    • l'action opérateur
  • par défaut, optez pour le digest en premier lorsque le coût d'interruption est incertain
  • ne diffusez pas chaque événement sur chaque canal
  • si la vraie solution est un meilleur triage des problèmes, une politique de hook ou un flux de projet, dites-le explicitement

Pipeline d'Événements

Traitez le couloir comme :

  1. Capturer l'événement
  2. Classifier l'urgence et le propriétaire
  3. Router vers le bon canal
  4. Effondrer les doublons et le bruit à faible signal
  5. Attacher la prochaine action opérateur

L'objectif est d'avoir moins de notifications, mais de meilleure qualité.

Modèle de Sévérité par Défaut

ClasseExemplesGestion par défaut
CritiqueCI de branche principale cassé, problème de sécurité, version bloquée, déploiement échouéinterrompre maintenant
Hauterévision demandée, PR en échec, transfert bloquant le propriétairealerte dans la journée
Moyennechangements d'état de problème, commentaires notables, mouvement du backlogdigest ou file d'attente
Bassesuccès répétés, bruit de routine, marqueurs de cycle de vie redondantssupprimer ou plier

Si l'espace de travail n'a pas de modèle de sévérité, construisez-en un avant de proposer de l'automatisation.

Flux de Travail

1. Inventorier la surface actuelle

Listez :

  • les sources d'événements
  • les canaux actuels
  • les hooks/scripts existants qui émettent des alertes
  • les chemins en double pour le même événement
  • les cas d'échec silencieux où des éléments importants ne sont pas remontés

Indiquez ce qu'ECC possède déjà.

2. Décider ce qui mérite une interruption

Pour chaque famille d'événements, répondez :

  • qui doit savoir ?
  • à quelle vitesse doivent-ils savoir ?
  • cela devrait-il interrompre, être regroupé par lots, ou simplement être journalisé ?

Utilisez ces valeurs par défaut :

  • interrompre pour les événements de version, CI, sécurité et blocage du propriétaire
  • digest pour les mises à jour à signal moyen
  • journalisation uniquement pour la télémétrie et les marqueurs de cycle de vie à faible signal

3. Effondrer les doublons avant d'ajouter des canaux

Recherchez :

  • le même événement PR apparaissant dans GitHub, Linear et les journaux locaux
  • des notifications de hook répétées pour le même échec
  • des commentaires ou des changements d'état qui devraient être résumés plutôt que transmis bruts
  • des canaux qui se dupliquent sans ajouter un meilleur chemin d'action

Préférez :

  • un résumé canonique
  • un propriétaire
  • un canal principal
  • un chemin de repli

4. Concevoir le flux de travail natif ECC

Pour chaque besoin de notification réel, définissez :

  • source
  • porte
  • forme : alerte immédiate, digest, file d'attente ou tableau de bord uniquement
  • canal
  • action

Si ECC possède déjà la primitive, préférez :

  • une compétence pour le triage opérateur
  • un hook pour l'émission/application automatique
  • un agent pour la classification déléguée
  • un MCP/connecteur uniquement lorsqu'un véritable pont manque

5. Retourner une conception orientée action

Terminez avec :

  • quoi conserver
  • quoi supprimer
  • quoi fusionner
  • ce qu'ECC devrait encapsuler ensuite

Format de Sortie

SURFACE ACTUELLE
- sources
- canaux
- doublons
- lacunes

MODÈLE D'ÉVÉNEMENT
- critique
- haute
- moyenne
- basse

PLAN DE ROUTAGE
- source -> canal
- pourquoi
- propriétaire opérateur

CONSOLIDATION
- supprimer
- fusionner
- résumés canoniques

PROCHAINE ACTION ECC
- compétence / hook / agent / MCP
- flux de travail exact à construire ensuite

Règles de Recommandation

  • préférez un couloir fort à plusieurs couloirs faibles
  • préférez les digests pour les mises à jour à signal moyen et faible
  • préférez les hooks lorsque le signal doit être émis automatiquement
  • préférez les compétences opérateur lorsque le travail est du triage, du routage et de la prise de décision orientée révision
  • préférez project-flow-ops lorsque la cause racine est la coordination du backlog/PR plutôt que les alertes
  • préférez workspace-surface-audit lorsque l'utilisateur a d'abord besoin d'un inventaire des sources
  • si les notifications de bureau suffisent, n'inventez pas un pont externe inutile

Cas d'Utilisation Idéaux

  • "Nous avons des alertes GitHub, Linear et de hooks locaux, mais aucun flux opérateur unique"
  • "Nos échecs CI sont bruyants et les gens les ignorent"
  • "Je veux une politique de notification unique sur les surfaces Claude, OpenCode et Codex"
  • "Déterminez ce qui devrait interrompre versus atterrir dans un digest"
  • "Effondrez les idées de PR de notification qui se chevauchent en un seul couloir ECC canonique"

Compétences Associées

  • workspace-surface-audit
  • project-flow-ops
  • github-ops
  • knowledge-ops
  • customer-billing-ops lorsque la douleur de notification est liée aux opérations de facturation/client plutôt qu'à l'ingénierie

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