Communitygithub.com

auditoria-de-producao

Auditoria de prontidão de produção baseada em evidências locais para aplicações lançadas, revisões pré-lançamento, verificações pós-merge e muito mais.

O que é auditoria-de-producao?

Esta skill permite que um agente de IA realize uma auditoria de prontidão de produção em um repositório de software, gerando uma pontuação de 0 a 100 e uma recomendação clara de lançamento ou bloqueio. Diferente de ferramentas antigas que executavam código remoto não verificado e compartilhavam dados com terceiros, esta skill opera exclusivamente com evidências locais e autorizadas pelo usuário, como análise do estado do branch, logs de commit, inspeção de código e verificação de configurações de CI/CD. A auditoria abrange múltiplos domínios de risco, incluindo segurança, integridade de dados, webhooks, operações e experiência do usuário, aplicando limites de pontuação quando problemas críticos são encontrados. A saída é acionável: uma frase de resumo seguida por bloqueadores, correções de alto valor, evidências verificadas e um próximo passo concreto. As plataformas suportadas incluem Claude Code, Cursor e Codex, sendo ideal para revisões pré-lançamento, verificações pós-merge e preparação para demonstrações ou implantações para clientes.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/production-audit

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Auditoria de Produção

Use esta skill quando o usuário perguntar se uma aplicação está pronta para ser lançada, o que poderia quebrar em produção, ou o que deve ser corrigido antes de um lançamento. Esta é uma reescrita segura para mantenedores da ideia desatualizada de auditoria de produção da comunidade: ela mantém a lente útil de prontidão para produção e remove a execução externa não verificada e o compartilhamento de dados com terceiros.

Quando Usar

  • O usuário pergunta "isso está pronto para produção", "o que quebraria em prod", "o que perdemos", "audite este repositório" ou "pronto para lançar?"
  • Uma funcionalidade foi mesclada e precisa de uma passagem de risco pré-implantação ou pós-merge.
  • Um lançamento público, demonstração, rollout para cliente ou apresentação para investidores está próximo.
  • A CI está verde, mas o usuário quer risco de produção, não apenas status de teste.
  • Uma URL implantada, branch de release, PR ou checkout atual está disponível para coleta de evidências.

Quando Não Usar

  • Durante implementação ativa, quando a lente correta é codificação segura em nível de linha; use security-review primeiro.
  • Para bibliotecas puras, modelos, repositórios apenas de documentação ou scaffolds, a menos que o usuário queira prontidão de empacotamento/liberação, em vez de prontidão de aplicação.
  • Quando o usuário pede uma auditoria formal de conformidade. Esta skill é triagem de engenharia, não certificação legal, financeira, médica ou regulatória.
  • Quando a única evidência disponível é uma ideia de produto sem repositório, implantação, CI ou superfície de runtime.

Como Funciona

Construa a auditoria a partir de evidências locais e autorizadas pelo usuário. Não execute código remoto não verificado, carregue conteúdos do repositório em serviços de terceiros ou chame scanners externos a menos que o usuário aprove explicitamente essa ferramenta e fluxo de dados específicos.

Use esta ordem:

  1. Estabeleça a superfície de liberação.
  2. Leia mudanças recentes e o estado atual do branch.
  3. Inspecione os limites de runtime, autenticação, dados, pagamento, jobs em segundo plano, IA e implantação que realmente existem no repositório.
  4. Verifique CI, testes, migrações, documentação de ambiente e caminho de rollback.
  5. Produza uma recomendação curta de lançamento/bloqueio com correções específicas.

Lista de Verificação de Evidências

Comece com sinais locais e baratos:

git status --short --branch
git log --oneline --decorate -20
git diff --stat origin/main...HEAD

Em seguida, inspecione a superfície específica do projeto:

  • Scripts de pacote, fluxos de trabalho de CI, scripts de release, arquivos Docker e manifestos de implantação.
  • Rotas de API, webhooks, middleware de autenticação, workers em segundo plano, jobs cron e migrações de banco de dados.
  • Documentação de variáveis de ambiente e verificações de inicialização.
  • Ganchos de observabilidade, relatórios de erro, logs, verificações de saúde e dashboards.
  • Instruções de rollback, seed, migração e backfill.
  • Cobertura E2E para os caminhos de usuário mais importantes.

Se uma URL implantada estiver no escopo, use verificações de navegador ou HTTP apenas contra essa URL e evite ações com credenciais a menos que o usuário forneça uma conta de teste segura.

Lentes de Risco

Segurança e Autenticação

  • As rotas públicas, rotas de API e rotas de admin estão claramente separadas?
  • A autenticação e autorização são aplicadas no lado do servidor?
  • Os segredos são mantidos fora de bundles de cliente, logs, saída de exemplo e arquivos versionados?
  • Limites de taxa, proteções CSRF, política CORS e validação de upload estão presentes onde a aplicação precisa deles?
  • A superfície de IA ou agente se defende contra injeção de prompt, abuso de ferramentas e conteúdo não confiável cruzando para ações privilegiadas?

Integridade dos Dados

  • As migrações são executadas de forma limpa e têm um plano de rollback ou recuperação?
  • Migrações destrutivas, backfills e importações de dados são encenados com segurança?
  • As políticas de banco de dados, concessões e limites de função de serviço correspondem ao modelo de locação da aplicação?
  • As tentativas são idempotentes para gravações, jobs e manipuladores de webhook?

Pagamentos e Webhooks

  • As assinaturas de webhook são verificadas antes de analisar campos de payload confiáveis?
  • Cada webhook de pagamento, assinatura ou entrega é idempotente?
  • A repetição, entrega duplicada e entrega fora de ordem são tratadas?
  • As credenciais de modo de teste e modo ao vivo estão separadas?

Operações

  • A aplicação pode iniciar a partir de um checkout limpo usando comandos documentados?
  • As variáveis de ambiente necessárias são nomeadas, validadas e falham rapidamente?
  • Existe uma verificação de saúde que comprova que as dependências estão acessíveis?
  • Os caminhos de implantação, rollback e proprietário de incidente estão documentados?
  • Os logs são úteis sem vazar segredos ou dados pessoais?

Experiência do Usuário

  • Os caminhos críticos de lançamento são cobertos em desktop e mobile?
  • Os formulários são utilizáveis em mobile sem zoom de entrada, sobreposição de layout ou estados de submissão bloqueados?
  • Os estados de carregamento, vazio, erro e permissão negada informam ao usuário o que aconteceu?
  • Existe um caminho de suporte ou recuperação quando uma operação crítica falha?

Pontuação

Use pontuações para forçar priorização, não para implicar certeza matemática.

FaixaPontuaçãoSignificado
Bloqueado0-49Não lance até que os principais riscos sejam corrigidos
Arriscado50-69Lance apenas com um rollout pequeno ou beta interno
Lançável com Riscos70-84Lance se os proprietários aceitarem os riscos listados
Forte85-100Nenhum bloqueador de lançamento óbvio a partir das evidências disponíveis

Limite a pontuação em 69 se alguma destas condições for verdadeira:

  • Autenticação ou autorização está ausente em dados sensíveis.
  • Webhooks de pagamento ou entrega não são idempotentes.
  • Migrações necessárias não podem ser executadas com segurança.
  • Segredos estão expostos em bundles de cliente, logs ou arquivos versionados.
  • Não há caminho de rollback para um lançamento de alto impacto.

Limite a pontuação em 84 se a CI não estiver verde ou o caminho crítico de lançamento não tiver sido testado de ponta a ponta.

Formato de Saída

Comece com uma frase:

Auditoria de produção: 76/100, lançável com riscos, com idempotência de webhook e documentação de rollback como os dois riscos a corrigir antes do lançamento público.

Em seguida, liste:

  • Bloqueadores: itens que devem ser corrigidos antes da implantação.
  • Correções de alto valor: próximas correções se o usuário quiser melhorar a pontuação.
  • Evidências verificadas: arquivos, comandos, CI, URL implantada ou PRs inspecionados.
  • Evidências faltando: o que mudaria a confiança se fornecido.
  • Próxima ação: uma correção ou etapa de verificação concreta.

Mantenha os pontos fortes curtos. O usuário perguntou sobre prontidão, então a resposta útil é o risco restante e a próxima ação.

Exemplo

Usuário:

isso está pronto para lançar?

Resposta:

Auditoria de produção: 68/100, arriscado, porque os webhooks do Stripe são verificados mas não são idempotentes e não há nota de rollback para a migração pendente.

Bloqueadores:
- Adicionar idempotência para `checkout.session.completed` antes de atender pedidos.
- Escrever e testar o caminho de rollback para `20260511_add_billing_state.sql`.

Correções de alto valor:
- Adicionar uma verificação de saúde que comprove a acessibilidade do banco de dados e do provedor de pagamento.
- Adicionar um caminho E2E para upgrade, entrega de webhook e atualização da página de faturamento.

Evidências verificadas:
- `api/stripe/webhook.ts`
- `db/migrations/20260511_add_billing_state.sql`
- Execução do GitHub Actions para o branch de release

Próxima ação: Quer que eu corrija a idempotência do webhook primeiro?

Anti-Padrões

  • Executar npx <pacote>@latest ou um scanner remoto como caminho de auditoria padrão.
  • Carregar código-fonte, segredos, dados de clientes ou topologia privada para um serviço de auditoria externo sem aprovação explícita.
  • Produzir uma pontuação sem nomear as evidências verificadas.
  • Tratar CI verde como prontidão para produção.
  • Terminar com um genérico "me avise o que você quer fazer".

Veja Também

  • Skill: security-review
  • Skill: deployment-patterns
  • Skill: e2e-testing
  • Skill: tdd-workflow
  • Skill: verification-loop

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.

Habilidades Relacionadas