Communitygithub.com

operações-de-faturamento-financeiro

Workflow baseado em evidências para receita, preços, reembolsos, faturamento de equipes e verdade do modelo de faturamento para ECC. Use quando o usuário deseja um resumo de vendas, comparação de preços, diagnóstico de cobrança duplicada ou realidade de faturamento baseada em código, em vez de conselhos genéricos de pagamento.

O que é operações-de-faturamento-financeiro?

Este skill, 'operações-de-faturamento-financeiro', é projetado para operadores e desenvolvedores que precisam de uma visão baseada em evidências do estado real de receita, preços, reembolsos e faturamento de equipes em um sistema ECC (Enterprise Command Center). Diferente de skills focados apenas em remediação de clientes, este skill busca a 'verdade do operador': ele combina dados de faturamento ao vivo (como vendas Stripe, assinaturas, reembolsos) com inspeção do comportamento real do produto no código-fonte. Ele ajuda a responder perguntas como 'O faturamento por assinatura realmente funciona como está descrito no site?', 'Essa cobrança duplicada é um erro ou um comportamento esperado?' e 'Qual é a lacuna entre o que vendemos e o que realmente implementamos?'. O skill suporta um fluxo de trabalho que começa com os dados de faturamento mais recentes, separa incidentes de clientes da verdade do produto, inspeciona o código para validar o comportamento de checkout, precificação e cálculo de direitos (entitlement), e termina com um relatório claro contendo um resumo de vendas, diagnóstico, verdade do produto, decisão recomendada e lacuna de produto. É útil para equipes de engenharia, finanças e operações que precisam de respostas precisas e acionáveis sobre o estado financeiro do produto.

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

Perguntar na sua IA favorita

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

Documentação

Operações de Faturamento Financeiro

Use este skill quando o usuário quiser entender dinheiro, preços, reembolsos, lógica de assentos de equipe ou se o produto realmente se comporta como o site e o texto de vendas sugerem.

Este skill é mais abrangente que customer-billing-ops. Aquele skill é para remediação de clientes. Este skill é para a verdade do operador: estado da receita, decisões de precificação, faturamento de equipes e comportamento de faturamento baseado em código.

Pilha de Skills

Puxe estes skills nativos do ECC para o fluxo de trabalho quando relevante:

  • customer-billing-ops para remediação e acompanhamento específicos do cliente
  • research-ops quando preços de concorrentes ou evidências de mercado atuais forem importantes
  • market-research quando a resposta deve terminar com uma recomendação de preço
  • github-ops quando a verdade do faturamento depender de código, backlog ou estado de release em repositórios irmãos
  • verification-loop quando a resposta depender da comprovação do comportamento de checkout, gerenciamento de assentos ou direitos

Quando Usar

  • o usuário pergunta sobre vendas Stripe, reembolsos, MRR ou atividade recente de clientes
  • o usuário pergunta se o faturamento de equipe, faturamento por assento ou empilhamento de cotas é real no código
  • o usuário deseja comparações de preços de concorrentes ou benchmarks de modelos de precificação
  • a pergunta mistura fatos de receita com a verdade da implementação do produto

Salvaguardas

  • distinguir dados ao vivo de snapshots salvos
  • separar:
    • fato de receita
    • impacto no cliente
    • verdade do produto baseada em código
    • recomendação
  • não diga "por assento" a menos que o caminho real de direitos o imponha
  • não assuma que assinaturas duplicadas implicam valor duplicado

Fluxo de Trabalho

1. Comece pela evidência de faturamento mais recente

Prefira dados de faturamento ao vivo. Se os dados não forem ao vivo, declare o timestamp do snapshot explicitamente.

Normalize o panorama:

  • vendas pagas
  • assinaturas ativas
  • checkouts falhos ou incompletos
  • reembolsos
  • disputas
  • assinaturas duplicadas

2. Separe incidentes de clientes da verdade do produto

Se a pergunta for específica do cliente, classifique primeiro:

  • checkout duplicado
  • intenção real de equipe
  • controles de autoatendimento quebrados
  • valor do produto não atendido
  • pagamento falho ou configuração incompleta

Em seguida, separe isso da questão mais ampla do produto:

  • o faturamento de equipe realmente existe?
  • os assentos são realmente contados?
  • a quantidade no checkout altera os direitos?
  • o site exagera o comportamento atual?

3. Inspecione o comportamento de faturamento baseado em código

Se a resposta depender da verdade da implementação, inspecione o caminho do código:

  • checkout
  • página de preços
  • cálculo de direitos
  • tratamento de assentos ou cotas
  • lógica de uso de instalação vs. usuário
  • suporte a portal de faturamento ou gerenciamento de autoatendimento

4. Termine com uma decisão e lacuna de produto

Relate:

  • resumo de vendas
  • diagnóstico do problema
  • verdade do produto
  • ação operacional recomendada
  • lacuna de produto ou backlog

Formato de Saída

SNAPSHOT
- timestamp
- receita / assinaturas / anomalias

IMPACTO NO CLIENTE
- quem é afetado
- o que aconteceu

VERDADE DO PRODUTO
- o que o código realmente faz
- o que o site ou texto de vendas alega

DECISÃO
- reembolsar / preservar / converter / no-op

LACUNA DE PRODUTO
- item exato de acompanhamento para construir ou corrigir

Armadilhas

  • não confunda tentativas falhas com receita líquida
  • não infira faturamento de equipe apenas a partir da linguagem de marketing
  • não compare preços de concorrentes de memória quando evidências atuais estiverem disponíveis
  • não pule do diagnóstico diretamente para o reembolso sem classificar o problema

Verificação

  • a resposta inclui uma declaração de dados ao vivo ou timestamp de snapshot
  • alegações de verdade do produto são baseadas em código
  • impacto no cliente e conclusões mais amplas de precificação/produto são separadas claramente

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

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

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

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