面向ECC的以证据为先的自动化清单与重叠审计工作流。当用户希望在修复任何内容之前了解哪些作业、钩子、连接器、MCP服务器或包装器是活跃的、损坏的、冗余的或缺失时使用。
复制下面这句话,粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具,它会读取安装说明并在你确认后完成安装。
请阅读 https://ai.atlankj.com/install/asset/gh-automation-audit-ops-0cbedb82cab3 ,按照其中的说明把「automation-audit-ops」安装到你(当前 AI 工具)中。执行前先告诉我将运行的命令和写入的位置,等我确认。
查看 AI 将读取的安装说明正在读取 GitHub 原文…
内容来自 GitHub 原始文件,由原作者维护。在 GitHub 查看
当用户询问哪些自动化正在运行、哪些任务出现故障、哪里存在重叠,或者哪些工具和连接器当前正在实际发挥作用时,请使用此技能。
这是一项以审计为先的操作技能。其任务是在重写任何内容之前,生成一份有证据支持的清单以及一套保留/合并/删除/下一步修复的建议集。
在相关时,将这些 ECC 原生技能引入工作流程:
workspace-surface-audit 用于连接器、MCP、钩子和应用清单knowledge-ops 当审计需要将实时仓库的真实情况与持久上下文进行核对时github-ops 当答案依赖于 CI、计划工作流、议题或 PR 自动化时ecc-tools-cost-audit 当真正的问题是兄弟应用仓库中的 webhook 扇出、队列任务或计费消耗时research-ops 当需要将本地清单与当前平台支持或公开文档进行比较时verification-loop 用于证明修复后的状态,而不是依赖假设的恢复在理论化之前,先读取当前的实时表面:
按表面分组:
对于每个发现的自动化,标记:
然后对问题类型进行分类:
为每个重要声明提供具体来源:
如果当前状态不明确,请直接说明,而不是假装审计已完成。
对于每个重叠或可疑的表面,返回一个决策:
其价值在于将杂乱的自动化整合到一条规范的 ECC 路径中,而不是保留每一条历史路径。
当前表面
- 自动化
- 来源
- 实时状态
- 证据
发现
- 活跃故障
- 重叠
- 过时状态
- 缺失能力
建议
- 保留
- 合并
- 删除
- 下次修复
下一步ECC行动
- 需加强的具体技能/钩子/工作流/应用通道