본문으로 건너뛰기
cccskills
무료GitHub에 공개

automation-self-care

Baut und betreibt ein anbieterneutrales Self-Care-Kernset für geplante LLM-Aufgaben und Desktop-App-Automationen. Ergänzt deterministisches Policy-Linting, Lock- und Modell-Governance, semantische Prompt-Prüfung, konsistente Mehrflächen-Updates, Mini-Checks und Regeldatei-Hygiene. Nutzen, wenn ein Agent seinen nativen Scheduler entdecken oder eine bestehende Automations-Flotte mit Rollback, Readback und Löschschutz kontinuierlich verbessern soll. Löst aus bei automation self-care, Scheduler-Task-Pflege, Desktop-App-Automations-Wartung, Automations-Flotten-Audit, selbstheilende Zeitpläne, core-set-textautomations, basic-text-automations, textbased-automation-core, textbased-automation-drivers, textbased-governance-automations oder textbased-desktopapp-automations.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

설치 방법 보기

포함된 파일(15)

  • SKILL.md12.3 KB
  • agents/openai.yaml233 B
  • banner.png157.4 KB
  • references/core-set.md6.9 KB
  • references/provider-adapter-contract.md3.9 KB
  • scripts/build_core_set.py15.8 KB
  • SKILL.de.md9.5 KB
  • SKILL.en.md11.1 KB
  • SKILL.es.md8.4 KB
  • SKILL.fr.md7.4 KB
  • SKILL.ja.md9.9 KB
  • SKILL.ru.md13.2 KB
  • SKILL.zh.md6.7 KB
  • tests/fixtures/provider-profile.json522 B
  • tests/test_build_core_set.py4.5 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

<img src="banner.png" width="100%" alt="automation-self-care banner">

Automation Self-Care

Erstellt eine native, anbieterspezifische Wartungs-Flotte aus einer einzigen anbieterneutralen Regelschleife. Bewahrt die ursprüngliche Absicht der ANTIGRAVITY-Task-Familie, verlangt dabei aber Belege, reversible Änderungen und native Readbacks.

Nicht verhandelbare Grenzen

  • Discovery, Planung, Freigabe, Mutation und Readback als getrennte Phasen behandeln.
  • Die unterstützte Automations-API, den Befehl oder die UI der Ziel-App nutzen. Niemals annehmen, dass das Bearbeiten einer Speicherdatei den Live-App-State ändert.
  • Lokale Regeln, Locks, Lösch-/Suppression-Logs und bestehende Zeitpläne lesen, bevor ein Task vorgeschlagen wird.
  • Keine Scheduler-Unterstützung erfinden. Kann Create/Update/Readback nicht belegt werden, einen manuellen Installationsplan erstellen und vor der Mutation anhalten.
  • Höchstens eine unabhängig testbare Tuning-Änderung je Care-Lauf.
  • Die Care-Tasks davor schützen, sich selbst zu deaktivieren oder ihren eigenen Takt unter den konfigurierten Recovery Floor zu senken. Nur eine ausdrückliche Nutzerentscheidung, ein Sicherheitsgate oder ein belegter Notfall darf eine kontrollierte Pause autorisieren.
  • Stabile maschinelle Task-IDs unabhängig von sichtbaren Titeln halten. Ein App-Präfix als zusätzlichen Erkennbarkeits-Schutz behandeln, niemals als Identität oder als Ersatz für Recovery-, Suppression-, Rollback- und Readback-Kontrollen.
  • Den vorherigen Prompt, Zeitplan, Modell, Berechtigungen und Aktiv-Status bewahren, damit jede Mutation zurückgerollt werden kann.
  • Erfolg erst nach Ergebnis-Beleg zählen, nicht bloß nach Scheduler-Start oder Exit 0.
  • Niemals Geheimnisse, private Prompts oder personenbezogene Daten in eine geteilte Registry kopieren.
  • Vor jeder Mutation einen deterministischen, im Anbieterprofil benannten Policy-Linter ausführen. Projektpfade, Prüfskripte und Policies über Adapterfelder oder neutrale Platzhalter auflösen; keine Host-, Konto- oder privaten Verzeichnispfade in den öffentlichen Skill übernehmen.
  • Den maßgeblichen Lock-Mechanismus des Zielsystems vor Datei-, Scheduler-, Commit- oder Push-Aktionen prüfen. Ist die Lock-Autorität unbekannt, unerreichbar oder widersprüchlich, gilt Fail-Closed und Read-only.
  • Modelle weder aufgrund fest codierter Produktversionen noch aufgrund unbelegter Qualitätsannahmen ändern. Zulässige Modelle und Mindeststandards aus der aktuellen Anbieteroberfläche und der gültigen lokalen Policy auflösen. Downgrades und Upgrades brauchen die dort festgelegte Autorität; bei Unklarheit bleibt das Modell unverändert.
  • Prompt-Tuning nicht allein aus Laufprotokollen ableiten. Den Vorschlag vor der Mutation semantisch gegen die für das Zielprojekt geltenden Policies prüfen und Sicherheits-, Forschungs- oder Freigabegrenzen bewahren.
  • Mehrere maßgebliche Zustandsflächen als eine Transaktion behandeln: Vorzustände sichern, alle deklarierten Ziele aktualisieren, jedes Ziel zurücklesen und bei Teilerfolg vollständig zurückrollen. Eine feste Zahl oder lokale Verzeichnisstruktur niemals als universell voraussetzen.
  • Laufberichte ausschließlich in den dafür vorgesehenen lokalen Beleg- und Statusspeichern ablegen, niemals in Agenten-Regeldateien. Namen und Orte dieser Speicher kommen aus dem Anbieterprofil.
  • Schwere Wartung darf durch eng begrenzte Mini-Checks ergänzt werden. Laufzeitgrenze, Prüfumfang, Muttertask und Eskalationsweg müssen im Anbieterprofil stehen; ein Mini-Check darf keine Tiefenreparatur ausführen.

Ablauf

1. Die native Automationsoberfläche entdecken

Den aktuellen Akteur, Anbieter, nicht-sensitiven app_display_name, App-Klasse, Scheduler-Oberfläche, unterstützte Operationen, State-Dateien, Lauf-Historie, Nutzungstelemetrie und Readback-Methode inventarisieren. Fähigkeiten über den Profilvertrag in provider-adapter-contract.md festhalten.

Native Desktop-App-Zeitpläne, CLI-/Headless-Ausführung, OS-Scheduler oder Service-Starter, allgemeinen Scheduler-Dienst, Workflow-Engine und nicht unterstützte oder nur-UI-Automation unterscheiden. Die Existenz einer Konfigurationsdatei nicht mit einem unterstützten Mutationspfad gleichsetzen.

2. Die Flotte inventarisieren

Für jeden Task einen stabilen lokalen Identifier, semantische Rolle, sichtbaren Titel, Zweck, Prompt-Fingerprint, Zeitplan, Aktiv-Status, Modell, Reasoning, Berechtigungen, Zielpfade, letztes Scheduler-Ereignis, letztes erfolgreiches Ergebnis und aktuellen Owner erfassen. Prompt-Inhalt lokal halten.

Bestehende Tasks semantisch abgleichen, bevor eine Neuanlage vorgeschlagen wird. Zuerst stabile Task-ID, dann anbieter-native ID, semantische Rolle und bekannter Legacy-Titel bevorzugen. Ein abweichender sichtbarer Titel ist kein Beleg dafür, dass ein neuer Task nötig ist. Mehrdeutige Treffer blockieren den Plan, statt ein Duplikat anzulegen.

Die maßgebliche Live-Oberfläche vor jeder Mutation zweimal prüfen, wenn die App State aus dem Gedächtnis neu schreiben kann.

3. Das Core-Set entwerfen

core-set.md lesen. Wählen zwischen:

  • compact: fünf Care-Tasks, die Frequenz mit Lastverteilung kombinieren; oder
  • full: neun fokussierte Tasks entsprechend der ursprünglichen Wartungs-Familie.

Einen anbieterneutralen Plan erzeugen:

python scripts/build_core_set.py provider-profile.json \
  --topology compact --out automation-care-plan.json
python scripts/build_core_set.py --lint-plan automation-care-plan.json

Der Generator installiert niemals Tasks. Jede blocked-Fähigkeit prüfen und kollisionsfreie lokale Zeiten wählen, bevor der Plan angewendet wird. Neue Anbieter-Profile setzen app_display_name ausdrücklich; CI kann das mit --strict-profile erzwingen. Erzeugte sichtbare Titel nutzen <APP_DISPLAY_NAME> — <CARE_TITLE>, während automation-care.*-Task-IDs unverändert bleiben. Ein Codex-Profil nutzt CODEX.

4. Installation stufenweise

Über den nativen Anbieter-Adapter installieren:

  1. Mit Hygiene im Read-only-Modus beginnen.
  2. Ressourcenschutz ergänzen.
  3. Prompt-Qualitäts-Tuning mit Rollback ergänzen.
  4. Frequenz- und Lasttuning erst ergänzen, wenn genug Lauf-Belege vorliegen.
  5. Cross-System-Koordination zuletzt ergänzen.

Für eine reine Titel-Migration den semantisch gematchten Task über die unterstützte native Oberfläche in-place aktualisieren. Die stabile ID und alle Nicht-Titel-Felder zurücklesen; jedes unerwartete operative Delta verlangt Rollback. Ein zweiter Plan-/Apply-Zyklus muss keine Änderung melden und darf keinen weiteren Task anlegen.

Neue oder importierte Tasks deaktiviert anlegen, sofern der Nutzer die aktive Installation nicht ausdrücklich freigegeben hat. Für einen unbeaufsichtigten Pilotlauf zuerst ein Löschlog, einen Vorher-State-Snapshot, einen Laufbeleg und einen Rollback-Pfad verlangen.

5. Die Care-Schleife ausführen

Jeder Care-Task folgt:

follow-up previous change
  -> collect current evidence
  -> classify one cause
  -> choose zero or one change
  -> mutate through native surface
  -> read back
  -> write receipt and next-check condition

Den Hypothesen-Katalog und die Belegregeln in core-set.md nutzen. Unbekannte Ursache bedeutet beobachten, Berechtigungen einschränken oder sicher pausieren; niemals eine Reparatur raten.

6. Über Akteure hinweg koordinieren

Lokalen App-State als maßgeblich behalten. Nur Task-Verträge, Abdeckung, Status, Belege und bereinigte Fingerprints teilen. Redundante Read-only- Reviews sind erlaubt; Single-Writer-Mutationen brauchen einen Claim oder einen gleichwertigen nativen Lock.

7. Systeme ohne native Event-Hooks (Letter-Hooker-Erweiterung)

Token- oder Abo-Limitierung als Kapazitätszustand behandeln, nicht als kaputten Akteur. Delegierte Abdeckung zurückgeben, nachdem der ursprüngliche Akteur einen erfolgreichen Beleg liefert.

Pflicht-Ausgaben

Für jeden Setup- oder Care-Lauf berichten:

  • entdeckte native Oberfläche und nicht unterstützte Fähigkeiten;
  • gewählte Topologie und angelegte, vorgeschlagene oder übersprungene Tasks;
  • exakte Mutation und Vorher-/Nachher-Readback;
  • Ergebnis-Beleg oder offenes Beobachtungsfenster;
  • Rollback-Ort und Rückkehrbedingung;
  • geteiltes Abdeckungs-Update, falls eine Koordinations-Registry existiert.

Beispiel

Nutzer: "Richte selbst-wartende Zeitpläne in dieser Desktop-App ein."

Entdecken, ob die App geplante Tasks auflisten, anlegen, aktualisieren und verifizieren kann. Den kompakten Plan erzeugen, nicht unterstützte Fähigkeiten darlegen, dann nur die freigegebenen Tasks über die native Oberfläche installieren. Ein Ordner mit einem Task-Prompt ohne Live-Scheduler-Registrierung ist kein abgeschlossenes Setup.

Changelog

1.3.1 (2026-09-09)

  • Die ausdrücklich beauftragten Self-Care-Härtungen aus den Versionen 1.2 und 1.3 anbieterneutral konsolidiert.
  • Host-, Konto- und private Projektpfade aus der öffentlichen Anleitung entfernt und durch Adapterfelder beziehungsweise neutrale Platzhalter ersetzt.
  • Modellwechsel an aktuelle Anbieterfähigkeit, lokale Policy und belegte Autorität gebunden; feste Versionsrangfolgen und unbelegte Qualitätsbehauptungen entfernt.
  • Policy-Linting, semantische Prompt-Prüfung, Lock-Gate, transaktionale Mehrflächen-Updates, Regeldatei-Hygiene und Mini-Checks als portable Verträge beschrieben.

1.3.0 (2026-09-09)

  • Deterministisches Policy-Linting und semantische Policy-Prüfung ergänzt.
  • Mehrflächen-Parität und die Bereinigung widersprüchlicher Zustände abgesichert.

1.2.0 (2026-09-06)

  • Lock-Governance, Modell-Anti-Regression, Regeldatei-Hygiene und Mini-Check-Architektur ergänzt.

1.1.0 (2026-08-30)

  • Anbieterneutrales app_display_name und das sichtbare Titelformat <APP_DISPLAY_NAME> — <CARE_TITLE> ergänzt, inklusive CODEX — ... über das Codex-Adapter-Profil.
  • Plan-Linting, Stabile-ID-/Semantik-Abgleich und Duplikat-Schutz ergänzt.
  • Klargestellt, dass Naming zusätzlich zum Recovery Floor gilt und dass reine Titel-Migrationen jeden Nicht-Titel-Fingerprint bewahren müssen.

1.0.1 (2026-07-30)

  • Anbieterneutrale Text-Automations- und Desktop-App-Automations-Aliase ergänzt.

1.0.0 (2026-07-28)

  • Die ursprüngliche ANTIGRAVITY-Wartungsfamilie, die F1-F6-Regelschleife und spätere anbieterspezifische Anpassungen zu einem neutralen Core-Set-Skill konsolidiert.

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

Akademisches Studien- und Fristenmanagement mit Quellenprüfung, Datenschutz und realistischer Handlungsplanung.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Aktives Lernen, Erarbeitung von Fachinhalten und strukturierte Erstellung von Synthesen.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Prüfungsvorbereitung, Selbsttests, Probeklausuren und systematische Fehleranalyse.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Acceptance & Commitment Therapy (ACT) according to Steven Hayes: Hexaflex model with the six core processes of psychological flexibility.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Acceptance & Commitment Therapy (ACT) nach Steven Hayes: Hexaflex-Modell mit den sechs Kernprozessen psychischer Flexibilität.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

Terapia de Aceptación y Compromiso (ACT) según Steven Hayes: modelo Hexaflex con los seis procesos nucleares de la flexibilidad psicológica.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

ellmos-ai/skills82026년 10월 22일 업데이트

ellmos-ai의 스킬 모두 보기

이 스킬의 문제 신고