
关于
审计活跃仓库、MCP 服务器、插件、连接器、环境表面和工具设置,然后推荐最有价值的 ECC 原生技能、钩子、代理和操作工作流。适用于用户需要设置 Claude Code 或了解实际可用能力。
name: workspace-surface-audit description: 审计活跃仓库、MCP 服务器、插件、连接器、环境表面和工具链设置,然后推荐最高价值的 ECC 原生技能、钩子、代理和运营工作流。当用户想要帮助设置 Claude Code 或了解其环境中实际可用的功能时使用。 origin: ECC
工作区表面审计
只读审计技能,用于回答"这个工作区和机器现在实际能做什么,我们接下来应该添加或启用什么?"
这是 ECC 原生的设置审计插件替代方案。除非用户明确要求后续实施,否则不修改文件。
适用场景
- 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
- 将官方市场插件与 ECC 原生覆盖范围进行比较
- 审查
.env、.mcp.json、插件设置或已连接应用表面以发现缺失的工作流层 - 决定某个功能应该是技能、钩子、代理、MCP 还是外部连接器
不可违反的规则
- 永远不要打印密钥值。仅显示提供商名称、功能名称、文件路径以及密钥或配置是否存在。
- 当 ECC 可以合理拥有该表面时,优先推荐 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。
- 清晰分离三件事:
- 现在已经可用
- 可用但在 ECC 中未良好封装
- 不可用且需要新的集成
审计输入
仅检查回答问题所需的文件和设置:
- 仓库表面
package.json、锁文件、语言标记、框架配置、README.md.mcp.json、.lsp.json、.claude/settings*.json、.codex/*AGENTS.md、CLAUDE.md、安装清单、钩子配置
- 环境表面
- 活跃仓库和明显相邻 ECC 工作区中的
.env*文件 - 仅显示密钥名称,如
STRIPE_API_KEY、TWILIO_AUTH_TOKEN、FAL_KEY
- 活跃仓库和明显相邻 ECC 工作区中的
- 已连接工具表面
- 已安装的插件、已启用的连接器、MCP 服务器、LSP 和应用集成
- 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:清点现有资源
生成紧凑的清单:
- 活跃的工具链目标
- 已安装的插件和已连接的应用
- 已配置的 MCP 服务器
- 已配置的 LSP 服务器
- 密钥名称暗示的环境支持服务
- 与工作区相关的现有 ECC 技能
如果某个表面仅作为原语存在,指出这一点。示例:
- "Stripe 通过已连接应用可用,但 ECC 缺少计费运营技能"
- "Google Drive 已连接,但没有 ECC 原生的 Google Workspace 运营工作流"
阶段 2:与官方和已安装表面进行基准对比
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
- 用户当前已连接的应用表面
不要只列出名称。对于每个比较,回答:
- 它们实际做什么
- ECC 是否已有对等功能
- ECC 是否只有原语
- ECC 是否完全缺失该工作流
阶段 3:将差距转化为 ECC 决策
对于每个真实差距,推荐正确的 ECC 原生形态:
| 差距类型 | 首选 ECC 形态 | |----------|---------------------| | 可重复的运营工作流 | 技能 | | 自动执行或副作用 | 钩子 | | 专门的委托角色 | 代理 | | 外部工具桥接 | MCP 服务器或连接器 | | 安装/引导指导 | 设置或审计技能 |
当需求是运营性而非基础设施性时,默认使用编排现有工具的面向用户的技能。
输出格式
按此顺序返回五个部分:
- 当前表面
- 现在已经可用的内容
- 对等功能
- ECC 已经匹配或超越基准的地方
- 仅原语差距
- 工具存在,但 ECC 缺少清晰的运营技能
- 缺失集成
- 功能尚不可用
- 前 3-5 个下一步行动
- 具体的 ECC 原生添加项,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业务价值的技能:
- 设置审计
- 计费/客户运营
- 问题/项目运营
- Google Workspace 运营
- 部署/运维控制
- 如果连接器是公司特定的,仅在确实可用或对用户工作流明确有用时推荐。
- 如果 ECC 已有强大的原语,建议封装技能而非发明全新的子系统。
良好结果
- 用户可以立即看到什么已连接、什么缺失以及 ECC 接下来应该拥有什么。
- 推荐是具体的、可操作的,并且与用户的实际工作流相关。
兼容工具
Claude CodeCursor
标签
AI与机器学习
