Communitygithub.com

auditoria-producao

Auditoria local de prontidão para produção de aplicações já lançadas, revisões pré-lançamento, verificações pós-merge e avaliações de risco.

O que é auditoria-producao?

Esta skill realiza uma auditoria local de prontidão para produção de aplicações, focando em identificar riscos e gerar recomendações acionáveis antes do lançamento. Ela é ideal para desenvolvedores que precisam saber se uma aplicação está pronta para ser enviada, o que pode quebrar em produção ou o que deve ser corrigido antes de um lançamento público. A skill é uma reescrita segura e de fácil manutenção da ideia original, eliminando a execução remota não fixada e o compartilhamento de dados com terceiros. Ela funciona inspecionando a superfície do repositório local e evidências autorizadas pelo usuário, como logs de commits, estado da branch, scripts de CI, migrações de banco de dados e arquivos de configuração. Com base em categorias de risco como segurança, integridade de dados, pagamentos, operações e experiência do usuário, a skill produz uma pontuação e uma recomendação clara (bloqueado, arriscado, lançável com ressalvas ou forte) para orientar as próximas ações. As plataformas suportadas incluem qualquer aplicação com repositório, CI, runtime e superfície de implantação.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/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 enviada, o que poderia quebrar em produção ou o que deve ser corrigido antes de um lançamento. Esta é uma reescrita segura e de fácil manutenção da ideia desatualizada de auditoria de produção: ela mantém a lente útil de prontidão para produção e remove a execução externa não fixada e o compartilhamento de dados com terceiros.

Quando Usar

  • O usuário pergunta "isso está pronto para produção", "o que quebraria em prod", "o que esquecemos", "audite este repositório" ou "pronto para enviar?"
  • Uma funcionalidade foi mesclada e precisa de uma verificação de risco pré-implantação ou pós-merge.
  • Um lançamento público, demonstração, implantação para cliente ou apresentação para investidores está próximo.
  • O CI está verde, mas o usuário quer risco de produção, não apenas status de teste.
  • Uma URL implantada, branch de lançamento, 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 solicitar 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 fixado, faça upload do conteúdo do repositório para 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 lançamento.
  2. Leia as alterações recentes e o estado atual da 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 reversão.
  5. Produza uma recomendação curta de enviar/bloquear 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, workflows de CI, scripts de lançamento, arquivos Docker e manifestos de implantação.
  • Rotas de API, webhooks, middleware de autenticação, workers em segundo plano, tarefas 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 painéis.
  • Instruções de reversão, seed, migração e backfill.
  • Cobertura E2E para os caminhos de usuário mais importantes.

Se uma URL implantada estiver no escopo, use apenas verificações de navegador ou HTTP contra essa URL e evite ações autenticadas, 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 administrador estão claramente separadas?
  • A autenticação e autorização são aplicadas no lado do servidor?
  • Os segredos são mantidos fora de bundles do cliente, logs, saída de exemplo e arquivos versionados?
  • Limites de taxa, proteções CSRF, política CORS e validação de upload estão presentes onde o aplicativo precisa deles?
  • A superfície de IA ou agente se defende contra injeção de prompt, abuso de ferramentas e conteúdo não confiável que cruza para ações privilegiadas?

Integridade dos Dados

  • As migrações são executadas de forma limpa e têm um plano de reversão ou recuperação?
  • Migrações destrutivas, backfills e importações de dados são encenadas com segurança?
  • As políticas de banco de dados, concessões e limites de função de serviço correspondem ao modelo de locação do aplicativo?
  • 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 fulfillment é idempotente?
  • A repetição, entrega duplicada e entrega fora de ordem são tratadas?
  • As credenciais de modo de teste e modo de produção são separadas?

Operações

  • O aplicativo 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 prova que as dependências estão acessíveis?
  • Os caminhos de implantação, reversão 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 a priorização, não para implicar certeza matemática.

FaixaPontuaçãoSignificado
Bloqueado0-49Não envie até que os principais riscos sejam corrigidos
Arriscado50-69Envie apenas com rollout pequeno ou beta interno
Lançável com Ressalvas70-84Envie 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:

  • A autenticação ou autorização está ausente em dados sensíveis.
  • Os webhooks de pagamento ou fulfillment não são idempotentes.
  • As migrações necessárias não podem ser executadas com segurança.
  • Segredos estão expostos em bundles do cliente, logs ou arquivos versionados.
  • Não há caminho de reversão para um lançamento de alto impacto.

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

Formato de Saída

Comece com uma frase:

Auditoria de produção: 76/100, lançável com ressalvas, com idempotência de webhook e documentação de reversão 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 ausentes: o que mudaria a confiança se fosse fornecido.
  • Próxima ação: uma correção concreta ou etapa de verificação.

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

Exemplo

Usuário:

isso está pronto para enviar?

Resposta:

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

Bloqueadores:
- Adicione idempotência para `checkout.session.completed` antes de atender pedidos.
- Escreva e teste o caminho de reversão para `20260511_add_billing_state.sql`.

Correções de alto valor:
- Adicione uma verificação de saúde que verifique a acessibilidade do banco de dados e do provedor de pagamento.
- Adicione um caminho E2E para upgrade, fulfillment 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 a branch de lançamento

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

Anti-Padrões

  • Executar npx <pacote>@latest ou um scanner remoto como caminho de auditoria padrão.
  • Fazer upload de 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 deseja fazer."

Veja Também

  • Skill: revisão-de-segurança
  • Skill: padrões-de-implantação
  • Skill: testes-e2e
  • Skill: fluxo-tdd
  • Skill: ciclo-de-verificação

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