Communitygithub.com

unified-notifications-ops

Opere notificações como um fluxo de trabalho nativo do ECC em GitHub, Linear, alertas de desktop, hooks e superfícies de comunicação conectadas. Use quando o problema real for roteamento de alertas, desduplicação, escalonamento ou colapso de caixa de entrada.

O que é unified-notifications-ops?

Unified Notifications Ops é uma habilidade para agentes de IA (como Claude Code, Cursor, Codex) que transforma um sistema de notificações fragmentado em uma superfície de operação unificada e acionável. Ela resolve problemas reais de roteamento de alertas, desduplicação, escalonamento e sobrecarga de caixa de entrada, priorizando a orquestração nativa do ECC (Externalized Command & Control) em vez de ferramentas externas. A habilidade define um pipeline de eventos de cinco etapas (capturar, classificar, rotear, colapsar, anexar ação) e um modelo de severidade padrão (Crítico, Alto, Médio, Baixo) para determinar se um evento deve interromper, ser agrupado em um resumo ou suprimido. O fluxo de trabalho envolve inventariar a superfície atual, decidir o que merece interrupção, colapsar duplicatas antes de adicionar canais e projetar um fluxo ECC nativo com fonte, gate, forma, canal e ação. A saída inclui um design orientado a ação com superfície atual, modelo de eventos, plano de roteamento, consolidação e o próximo movimento do ECC. A habilidade se integra perfeitamente com GitHub, Linear, hooks locais, alertas de desktop, chat e e-mail, e recomenda usar outras habilidades como project-flow-ops ou workspace-surface-audit quando for mais adequado.

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

Perguntar na sua IA favorita

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

Documentação

Operações de Notificações Unificadas

Use esta habilidade quando o problema real não é um ping perdido. O problema real é um sistema de notificações fragmentado.

O trabalho é transformar eventos dispersos em uma superfície de operador com:

  • severidade clara
  • propriedade clara
  • roteamento claro
  • ação de acompanhamento clara

Quando Usar

  • o usuário quer uma faixa de notificação unificada entre GitHub, Linear, hooks locais, alertas de desktop, chat ou e-mail
  • falhas de CI, solicitações de revisão, atualizações de issues e eventos de operador estão chegando em lugares desconectados
  • a configuração atual cria ruído em vez de ação
  • o usuário quer consolidar ramificações de notificação sobrepostas ou propostas de backlog em uma faixa nativa do ECC
  • o workspace já possui hooks, MCPs ou ferramentas conectadas, mas nenhuma política de notificação coerente

Superfície Preferida

Comece pelo que já existe:

  • Issues, PRs, revisões, comentários e CI do GitHub
  • Movimentação de issues/projetos do Linear
  • Eventos de hook locais e sinais de ciclo de vida de sessão
  • Primitivos de notificação desktop
  • Superfícies de chat/e-mail conectadas quando realmente existirem

Prefira orquestração nativa do ECC a dizer ao usuário para adotar um produto de notificação separado.

Regras Inegociáveis

  • nunca exponha tokens, segredos, segredos de webhook ou identificadores internos
  • separe:
    • fonte do evento
    • severidade
    • canal de roteamento
    • ação do operador
  • por padrão, use resumo primeiro quando o custo da interrupção não estiver claro
  • não distribua todos os eventos para todos os canais
  • se a correção real for melhor triagem de issues, política de hook ou fluxo de projeto, diga isso explicitamente

Pipeline de Eventos

Trate a faixa como:

  1. Capturar o evento
  2. Classificar urgência e proprietário
  3. Roteir para o canal correto
  4. Colapsar duplicatas e ruído de baixo sinal
  5. Anexar a próxima ação do operador

O objetivo é menos notificações, melhores.

Modelo de Severidade Padrão

ClasseExemplosTratamento padrão
CríticoCI da branch padrão quebrada, issue de segurança, lançamento bloqueado, deploy falhouInterromper agora
AltoRevisão solicitada, PR com falha, handoff bloqueando proprietárioAlerta no mesmo dia
MédioMudanças de estado de issues, comentários notáveis, movimentação de backlogResumo ou fila
BaixoSucessos repetidos, rotina, marcadores de ciclo de vida redundantesSuprimir ou agrupar

Se o workspace não tiver um modelo de severidade, construa um antes de propor automação.

Fluxo de Trabalho

1. Inventariar a superfície atual

Liste:

  • fontes de evento
  • canais atuais
  • hooks/scripts existentes que emitem alertas
  • caminhos duplicados para o mesmo evento
  • casos de falha silenciosa onde coisas importantes não estão sendo exibidas

Destaque o que o ECC já possui.

2. Decidir o que merece interrupção

Para cada família de evento, responda:

  • quem precisa saber?
  • com que rapidez eles precisam saber?
  • isso deve interromper, agrupar em lote ou apenas registrar?

Use estes padrões:

  • interromper para eventos de lançamento, CI, segurança e bloqueio de proprietário
  • resumo para atualizações de sinal médio
  • apenas registro para telemetria e marcadores de ciclo de vida de baixo sinal

3. Colapsar duplicatas antes de adicionar canais

Procure por:

  • o mesmo evento de PR aparecendo no GitHub, Linear e logs locais
  • notificações de hook repetidas para a mesma falha
  • comentários ou rotina de status que deveriam ser resumidos em vez de encaminhados em bruto
  • canais que se duplicam sem adicionar um melhor caminho de ação

Prefira:

  • um resumo canônico
  • um proprietário
  • um canal primário
  • um caminho de fallback

4. Projetar o fluxo de trabalho nativo do ECC

Para cada necessidade real de notificação, defina:

  • fonte
  • gate
  • forma: alerta imediato, resumo, fila ou apenas painel
  • canal
  • ação

Se o ECC já tiver o primitivo, prefira:

  • uma habilidade para triagem do operador
  • um hook para emissão/aplicação automática
  • um agente para classificação delegada
  • um MCP/conector apenas quando uma ponte real estiver faltando

5. Retornar um design orientado a ação

Termine com:

  • o que manter
  • o que suprimir
  • o que mesclar
  • o que o ECC deve envolver em seguida

Formato de Saída

SUPERFÍCIE ATUAL
- fontes
- canais
- duplicatas
- lacunas

MODELO DE EVENTOS
- crítico
- alto
- médio
- baixo

PLANO DE ROTEAMENTO
- fonte -> canal
- por quê
- proprietário operador

CONSOLIDAÇÃO
- suprimir
- mesclar
- resumos canônicos

PRÓXIMA AÇÃO DO ECC
- habilidade / hook / agente / MCP
- fluxo de trabalho exato a construir em seguida

Regras de Recomendação

  • prefira uma faixa forte a muitas faixas fracas
  • prefira resumos para atualizações de sinal médio e baixo
  • prefira hooks quando o sinal deve ser emitido automaticamente
  • prefira habilidades de operador quando o trabalho é triagem, roteamento e tomada de decisão baseada em revisão
  • prefira project-flow-ops quando a causa raiz for coordenação de backlog/PR em vez de alertas
  • prefira workspace-surface-audit quando o usuário primeiro precisar de um inventário de fontes
  • se notificações de desktop forem suficientes, não invente uma ponte externa desnecessária

Bons Casos de Uso

  • "Temos alertas do GitHub, Linear e hooks locais, mas nenhum fluxo de operador único"
  • "Nossas falhas de CI são ruidosas e as pessoas as ignoram"
  • "Quero uma política de notificação unificada nas superfícies Claude, OpenCode e Codex"
  • "Descobrir o que deve interromper versus o que deve ir para um resumo"
  • "Colapsar ideias de PR de notificação sobrepostas em uma faixa canônica do ECC"

Habilidades Relacionadas

  • workspace-surface-audit
  • project-flow-ops
  • github-ops
  • knowledge-ops
  • customer-billing-ops quando a dor de notificação for operações de faturamento/cliente em vez de engenharia

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