Communitygithub.com

Automação de Auditoria e Operações

Inventário de automação baseado em evidências e fluxo de auditoria de sobreposição para ECC. Use quando o usuário quiser saber quais jobs, hooks, conectores, servidores MCP ou wrappers estão ativos, quebrados, redundantes ou ausentes antes de corrigir qualquer coisa.

O que é Automação de Auditoria e Operações?

Esta skill realiza uma auditoria orientada por evidências para fornecer um inventário completo e recomendações de ação (manter / mesclar / cortar / corrigir em seguida) antes de modificar qualquer automação no ecossistema ECC. Ela é útil para descobrir jobs, hooks, conectores, servidores MCP, wrappers e integrações que estão ativos, quebrados, redundantes ou ausentes, ajudando a evitar retrabalho e decisões baseadas apenas em suposições. A skill é compatível com ambientes que utilizam GitHub Actions, hooks locais, MCP, conectores e automações de CI/CD, e é acionada quando o usuário pergunta quais automações estão ativas, o que está quebrado ou onde há sobreposição. O fluxo de trabalho envolve inventariar a superfície real, classificar cada item por estado de operação, rastrear a prova (caminhos de arquivos, logs, execuções de workflow) e terminar com uma recomendação clara de manter, mesclar, cortar ou corrigir, sem presumir que 'presente na configuração' significa funcional.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/automation-audit-ops

Perguntar na sua IA favorita

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

Documentação

O que Automação de Auditoria e Operações faz?

Use isso quando o usuário perguntar quais automações estão ativas, quais jobs estão quebrados, onde há sobreposição ou quais ferramentas e conectores estão realmente realizando trabalho útil agora.

Esta é uma skill de operador focada em auditoria. O trabalho é produzir um inventário baseado em evidências e um conjunto de recomendações de manter / mesclar / cortar / corrigir em seguida antes de reescrever qualquer coisa.

Pilha de Skills

Incorpore estas skills nativas do ECC no fluxo de trabalho quando relevante:

  • workspace-surface-audit para inventário de conectores, MCP, hooks e apps
  • knowledge-ops quando a auditoria precisar reconciliar a verdade do repositório ativo com o contexto persistente
  • github-ops quando a resposta depender de CI, workflows agendados, issues ou automação de PR
  • ecc-tools-cost-audit quando o problema real for fanout de webhook, jobs enfileirados ou queima de faturamento no repositório de aplicativo irmão
  • research-ops quando o inventário local precisar ser comparado com o suporte atual da plataforma ou documentação pública
  • verification-loop para provar o estado pós-correção em vez de confiar em recuperação presumida

Quando Usar

  • o usuário pergunta "quais automações eu tenho", "o que está ativo", "o que está quebrado" ou "o que se sobrepõe"
  • a tarefa abrange cron jobs, GitHub Actions, hooks locais, servidores MCP, conectores, wrappers ou integrações de aplicativos
  • o usuário quer saber o que foi portado de outro sistema de agente e o que ainda precisa ser reconstruído dentro do ECC
  • o workspace acumulou várias formas de fazer a mesma coisa e o usuário quer uma única via canônica

Diretrizes

  • comece somente leitura, a menos que o usuário tenha explicitamente solicitado correções
  • separe:
    • configurado
    • autenticado
    • verificado recentemente
    • desatualizado ou quebrado
    • completamente ausente
  • não afirme que uma ferramenta está ativa só porque uma skill ou configuração a referencia
  • não mescle ou exclua superfícies sobrepostas até que a tabela de evidências exista

Fluxo de Trabalho

1. Inventariar a superfície real

Leia a superfície ativa atual antes de teorizar:

  • hooks e scripts de hook locais do repositório
  • GitHub Actions e workflows agendados
  • configurações MCP e servidores habilitados
  • integrações baseadas em conector ou aplicativo
  • scripts wrapper e pontos de entrada de automação específicos do repositório

Agrupe-os por superfície:

  • runtime local
  • CI / automação do repositório
  • sistemas externos conectados
  • mensageria / notificações
  • faturamento / operações do cliente
  • pesquisa / monitoramento

2. Classificar cada item por estado de operação

Para cada automação identificada, marque:

  • configurado
  • autenticado
  • verificado recentemente
  • desatualizado ou quebrado
  • ausente

Em seguida, classifique o tipo de problema:

  • quebra ativa
  • falha de autenticação
  • status desatualizado
  • sobreposição ou redundância
  • capacidade ausente

3. Rastrear o caminho da prova

Fundamente cada afirmação importante com uma fonte concreta:

  • caminho de arquivo
  • execução de workflow
  • log de hook
  • entrada de configuração
  • saída de comando recente
  • assinatura exata de falha

Se o estado atual for ambíguo, diga isso diretamente em vez de fingir que a auditoria está completa.

4. Terminar com manter / mesclar / cortar / corrigir em seguida

Para cada superfície suspeita ou sobreposta, retorne uma decisão:

  • manter
  • mesclar
  • cortar
  • corrigir em seguida

O valor está em colocar automação ruidosa em uma única via canônica do ECC, não em preservar todo caminho histórico.

Formato de Saída

SUPERFÍCIE ATUAL
- automação
- fonte
- estado de operação
- prova

CONSTATAÇÕES
- quebra ativa
- sobreposição
- status desatualizado
- capacidade ausente

RECOMENDAÇÃO
- manter
- mesclar
- cortar
- corrigir em seguida

PRÓXIMA AÇÃO ECC
- skill / hook / workflow / via de aplicativo exata a fortalecer

Armadilhas

  • não responda de memória quando o inventário ativo puder ser lido
  • não trate "presente na configuração" como "funcionando"
  • não corrija redundância de baixo valor antes de nomear o caminho de alto sinal quebrado
  • não amplie a tarefa para uma reescrita do repositório se o usuário pediu inventário primeiro

Verificação

  • afirmações importantes citam um caminho de prova ativo
  • cada automação identificada é rotulada com uma categoria clara de estado de operação
  • a recomendação final distingue manter / mesclar / cortar / corrigir em seguida

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Habilidades Relacionadas