docs/zh-CN/skills/workspace-surface-audit

stars:0
forks:0
watches:0
last updated:N/A

工作区表面审计

只读审计技能,用于回答"这个工作区和机器当前实际上能做什么,以及我们下一步应该添加或启用什么?"

这是 ECC 原生对设置审计插件的回答。除非用户明确要求后续实现,否则不会修改文件。

何时使用

  • 用户说"设置 Claude Code"、"推荐自动化"、"我应该使用什么插件或 MCP?"或"我缺少什么?"
  • 在安装更多技能、钩子或连接器之前审计机器或仓库
  • 比较官方市场插件与 ECC 原生覆盖范围
  • 审查 .env.mcp.json、插件设置或连接的应用表面,以发现缺失的工作流层
  • 决定某项能力应该是技能、钩子、代理、MCP 还是外部连接器

不可协商的规则

  • 绝不打印秘密值。仅显示提供商名称、能力名称、文件路径以及密钥或配置是否存在。
  • 当 ECC 能够合理拥有该表面时,优先选择 ECC 原生工作流,而非通用的"安装另一个插件"建议。
  • 将外部插件视为基准和灵感,而非权威的产品边界。
  • 清晰区分三件事:
    • 当前已可用的
    • 可用但 ECC 封装不佳的
    • 不可用且需要新集成的

审计输入

仅检查回答该问题所需的文件和设置:

  1. 仓库表面
    • package.json、锁定文件、语言标记、框架配置、README.md
    • .mcp.json.lsp.json.claude/settings*.json.codex/*
    • AGENTS.mdCLAUDE.md、安装清单、钩子配置
  2. 环境表面
    • 活动仓库及明显相邻的 ECC 工作区中的 .env* 文件
    • 仅显示密钥名称,如 STRIPE_API_KEYTWILIO_AUTH_TOKENFAL_KEY
  3. 连接工具表面
    • 已安装的插件、已启用的连接器、MCP 服务器、LSP 和应用集成
  4. ECC 表面
    • 已覆盖需求的现有技能、命令、钩子、代理和安装模块

审计流程

阶段 1:盘点现有内容

生成简洁的清单:

  • 活动的工具链目标
  • 已安装的插件和连接的应用
  • 已配置的 MCP 服务器
  • 已配置的 LSP 服务器
  • 由密钥名称暗示的基于环境的服务
  • 与工作区相关的现有 ECC 技能

如果某个表面仅以原始形式存在,请指出。例如:

  • "Stripe 可通过连接的应用使用,但 ECC 缺少计费操作技能"
  • "Google Drive 已连接,但 ECC 没有原生的 Google Workspace 操作工作流"

阶段 2:与官方和已安装表面进行基准比较

将工作区与以下内容进行比较:

  • 与设置、审查、文档、设计或工作流质量重叠的官方 Claude 插件
  • Claude 或 Codex 中本地安装的插件
  • 用户当前连接的应用表面

不要仅列出名称。对于每个比较,回答:

  1. 它们实际做什么
  2. ECC 是否已具备同等能力
  3. ECC 是否仅有原始形式
  4. ECC 是否完全缺失该工作流

阶段 3:将差距转化为 ECC 决策

对于每个实际差距,推荐正确的 ECC 原生形态:

差距类型首选 ECC 形态
可重复的操作工作流技能
自动执行或副作用钩子
专门的委派角色代理
外部工具桥接MCP 服务器或连接器
安装/引导指南设置或审计技能

当需求是操作性的而非基础设施性的时,默认使用面向用户的技能来编排现有工具。

输出格式

按此顺序返回五个部分:

  1. 当前表面
    • 当前已可用的内容
  2. 同等能力
    • ECC 已匹配或超越基准的地方
  3. 仅有原始形式的差距
    • 工具存在,但 ECC 缺少简洁的操作技能
  4. 缺失的集成
    • 尚不可用的能力
  5. 前 3-5 个下一步行动
    • 具体的 ECC 原生新增内容,按影响排序

推荐规则

  • 每个类别最多推荐 1-2 个最高价值的想法。
  • 优先选择具有明显用户意图和商业价值的技能:
    • 设置审计
    • 计费/客户运营
    • 问题/项目运营
    • Google Workspace 运营
    • 部署/运营控制
  • 如果连接器是公司特定的,仅在其确实可用或对用户工作流明显有用时才推荐。
  • 如果 ECC 已有强大的原始形式,建议封装技能而非发明全新的子系统。

良好结果

  • 用户可以立即看到已连接的内容、缺失的内容以及 ECC 下一步应拥有的内容。
  • 推荐足够具体,无需再次发现即可在仓库中实现。
  • 最终答案围绕工作流而非 API 品牌组织。
    Good AI Tools