Communitygithub.com

Audit de surface d'espace de travail

Auditez le dépôt actif, les serveurs MCP, plugins, connecteurs, surfaces d'environnement et configuration de harnais, puis recommandez les compétences ECC natives les plus utiles, hooks, agents et workflows opérateurs. Utilisez-le lorsque l'utilisateur a besoin d'aide pour configurer Claude Code ou comprendre les capacités réellement disponibles dans son environnement.

Qu'est-ce que Audit de surface d'espace de travail ?

Cette compétence lit seule l'état actuel de votre dépôt, des serveurs MCP, des plugins, des variables d'environnement et des connecteurs pour répondre à une question cruciale : « Que mon espace de travail peut-il faire maintenant, et que devrais-je ajouter ensuite ? » Elle est conçue pour être utilisée avec des agents comme Claude Code, Cursor ou Codex, ainsi que tous les environnements prenant en charge les workflows ECC (Écosystème de Compétences Contextuelles). Son utilité principale est d'éviter les tâtonnements en fournissant un inventaire clair, une comparaison avec les plugins officiels, et des recommandations concrètes — sous forme de compétences, hooks, agents ou connecteurs — pour combler les lacunes les plus impactantes. Le processus en trois phases (inventaire, benchmark, décision) garantit que les suggestions sont spécifiques, organisées par flux de travail (facturation, déploiement, Google Workspace, etc.) et non par API. La compétence ne modifie jamais de fichiers ni n'affiche de secrets ; elle guide uniquement l'utilisateur vers la prochaine meilleure action.

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

Demander à votre IA préférée

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

Documentation

Que fait Audit de surface d'espace de travail ?

Compétence d'audit en lecture seule pour répondre à la question « que peut réellement faire cet espace de travail et cette machine maintenant, et que devrions-nous ajouter ou activer ensuite ? »

Il s'agit de la réponse native ECC aux plugins d'audit de configuration. Elle ne modifie pas les fichiers, sauf si l'utilisateur demande explicitement une implémentation de suivi.

Quand l'utiliser

  • L'utilisateur dit « configure Claude Code », « recommande des automatisations », « quels plugins ou MCP devrais-je utiliser ? » ou « que me manque-t-il ? »
  • Auditer une machine ou un dépôt avant d'installer d'autres compétences, hooks ou connecteurs
  • Comparer les plugins officiels du marketplace avec la couverture ECC native
  • Examiner .env, .mcp.json, les paramètres de plugins, ou les surfaces d'applications connectées pour trouver les couches de workflow manquantes
  • Décider si une capacité doit être une compétence, un hook, un agent, un MCP ou un connecteur externe

Règles non négociables

  • N'affichez jamais les valeurs secrètes. Révélez uniquement les noms des fournisseurs, les noms des capacités, les chemins de fichiers, et si une clé ou une configuration existe.
  • Privilégiez les workflows ECC natifs plutôt que les conseils génériques « installez un autre plugin » lorsque ECC peut raisonnablement posséder la surface.
  • Traitez les plugins externes comme des références et des sources d'inspiration, et non comme des limites de produit faisant autorité.
  • Séparez clairement trois choses :
    • déjà disponible maintenant
    • disponible mais mal encapsulé dans ECC
    • non disponible et nécessiterait une nouvelle intégration

Entrées d'audit

Inspectez uniquement les fichiers et paramètres nécessaires pour bien répondre à la question :

  1. Surface du dépôt
    • package.json, lockfiles, marqueurs de langage, configuration de framework, README.md
    • .mcp.json, .lsp.json, .claude/settings*.json, .codex/*
    • AGENTS.md, CLAUDE.md, manifestes d'installation, configurations de hooks
  2. Surface d'environnement
    • Fichiers .env* dans le dépôt actif et les espaces de travail ECC adjacents évidents
    • Révélez uniquement les noms de clés comme STRIPE_API_KEY, TWILIO_AUTH_TOKEN, FAL_KEY
  3. Surface d'outils connectés
    • Plugins installés, connecteurs activés, serveurs MCP, LSP et intégrations d'applications
  4. Surface ECC
    • Compétences existantes, commandes, hooks, agents et modules d'installation qui couvrent déjà le besoin

Processus d'audit

Phase 1 : Inventaire de ce qui existe

Produisez un inventaire compact :

  • cibles de harnais actives
  • plugins installés et applications connectées
  • serveurs MCP configurés
  • serveurs LSP configurés
  • services basés sur des variables d'environnement suggérés par les noms de clés
  • compétences ECC existantes déjà pertinentes pour l'espace de travail

Si une surface n'existe que sous forme primitive, signalez-le. Exemple :

  • « Stripe est disponible via une application connectée, mais il manque une compétence opérateur de facturation dans ECC »
  • « Google Drive est connecté, mais il n'existe pas de workflow opérateur Google Workspace natif ECC »

Phase 2 : Comparaison avec les surfaces officielles et installées

Comparez l'espace de travail avec :

  • les plugins officiels Claude qui chevauchent la configuration, la révision, la documentation, le design ou la qualité du workflow
  • les plugins installés localement dans Claude ou Codex
  • les surfaces d'applications actuellement connectées de l'utilisateur

Ne vous contentez pas de lister les noms. Pour chaque comparaison, répondez :

  1. ce qu'ils font réellement
  2. si ECC a déjà la parité
  3. si ECC n'a que des primitives
  4. si le workflow entier manque dans ECC

Phase 3 : Transformer les lacunes en décisions ECC

Pour chaque lacune réelle, recommandez la forme native ECC correcte :

Type de lacuneForme ECC préférée
Workflow opérateur répétableCompétence
Application automatique ou effet secondaireHook
Rôle délégué spécialiséAgent
Pont vers un outil externeServeur MCP ou connecteur
Conseils d'installation/d'amorçageCompétence de configuration ou d'audit

Par défaut, privilégiez les compétences orientées utilisateur qui orchestrent les outils existants lorsque le besoin est opérationnel plutôt qu'infrastructurel.

Format de sortie

Retournez cinq sections dans cet ordre :

  1. Surface actuelle
    • ce qui est déjà utilisable maintenant
  2. Parité
    • là où ECC égale ou dépasse déjà la référence
  3. Lacunes uniquement primitives
    • les outils existent, mais il manque une compétence opérateur propre dans ECC
  4. Intégrations manquantes
    • capacité pas encore disponible
  5. Top 3 à 5 prochaines actions
    • ajouts concrets natifs ECC, classés par impact

Règles de recommandation

  • Recommandez au maximum 1 à 2 idées à plus forte valeur par catégorie.
  • Favorisez les compétences avec une intention utilisateur évidente et une valeur métier :
    • audit de configuration
    • opérations de facturation/client
    • opérations de tickets/programme
    • opérations Google Workspace
    • opérations de déploiement/contrôle
  • Si un connecteur est spécifique à une entreprise, ne le recommandez que s'il est réellement disponible ou clairement utile au workflow de l'utilisateur.
  • Si ECC possède déjà une primitive solide, proposez une compétence d'encapsulation plutôt que d'inventer un tout nouveau sous-système.

Bons résultats

  • L'utilisateur peut voir immédiatement ce qui est connecté, ce qui manque et ce qu'ECC devrait posséder ensuite.
  • Les recommandations sont suffisamment spécifiques pour être implémentées dans le dépôt sans un autre passage de découverte.
  • La réponse finale est organisée autour des workflows, et non des marques d'API.

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