Use when auditing a product, business, or project ecosystem — analyzing data sources, decision loops, bottlenecks, and implementation contours. Triggers on "аудит продукта", "product audit", "data audit", "аудит данных", "аудит бизнеса", "проанализируй экосистему", "аудит систем".
npx skills add https://github.com/serejaris/personal-corp-skills --skill product-data-audit
Глубокий аудит продукта/бизнеса: данные, системы, решения, узкие места, контуры внедрения. На выходе — интерактивная HTML-визуализация (12 секций). Markdown-версия — опционально по запросу.
digraph audit_flow {
"Определить объект аудита" [shape=box];
"Собрать данные" [shape=box];
"Сгенерировать HTML (12 секций)" [shape=box];
"Открыть в браузере" [shape=box];
"Определить объект аудита" -> "Собрать данные";
"Собрать данные" -> "Сгенерировать HTML (12 секций)";
"Сгенерировать HTML (12 секций)" -> "Открыть в браузере";
}
Спросить у пользователя, если неочевидно:
workdir = корень git-репозитория текущего проекта. Если неочевидно — спросить у пользователя до шага 2.
Обнаружить и прочитать источники по категориям (конкретные файлы зависят от проекта):
Для каждого источника фиксировать: что внутри, дата snapshot, качество, ограничения.
Обнаружение источников: начать с CLAUDE.md / README.md в корне — они обычно описывают структуру проекта и указывают на канонические файлы. Затем ls + glob по корню для обнаружения остального.
Свежесть данных: если snapshot старше 14 дней — добавить [snapshot: YYYY-MM-DD] рядом с числом. Если старше 30 дней — пометить [УСТАРЕЛО: YYYY-MM-DD].
Если канонические файлы не найдены: пометить числовые утверждения НЕИЗВЕСТНО. [источник не найден] и продолжить аудит с доступными данными.
Основной артефакт = HTML ({workdir}/research/product-data-audit.html). Markdown-версия (.md) — опциональна, генерировать только по явному запросу пользователя.
Структура — 12 секций (0–11), см. references/report-structure.md. Секция 0 = диаграмма экосистемы.
Тегирование: каждое утверждение маркировать:
ФАКТ. — подтверждено данными, указать источникГИПОТЕЗА. — логичный вывод, требует проверкиНЕИЗВЕСТНО. — слепое пятно, данных нетПравило числовой конкретики (обязательно):
[файл:строка] или [система → запрос][число не найдено] вместо голого утвержденияТерминология: русский язык, англицизмы только для устоявшихся стандартов (CRM, API, KPI). См. references/terminology.md.
Рекомендации по отсутствующим артефактам: в секции 7 (контуры внедрения) проверить наличие 18 операционных артефактов из references/missing-artifacts-checklist.md. Отсутствующие — включить как рекомендации с приоритетом и минимальной версией. 4 категории: стратегия (NSM, OKR), AI-native (CLAUDE.md, промпты, runbook), инфраструктура данных (SSOT, определения метрик), governance (журнал решений, эскалация).
Создать {workdir}/research/product-data-audit.html по дизайн-спецификации из references/html-design-spec.md. Навигация = 12 секций (0–11).
open {workdir}/research/product-data-audit.html
# Если `open` недоступна — вывести абсолютный путь для ручного открытия
| Ошибка | Как избежать |
|--------|-------------|
| Англицизмы при наличии русского аналога | Проверять references/terminology.md |
| Факт без источника | Каждый ФАКТ. ссылается на файл/систему |
| Факт без числа | Если число доступно — получить и указать. "Самый маржинальный" → "$Y/единица, ~$Z/час [источник]" |
| Stale данные без маркировки | Snapshot > 14 дней → [snapshot: дата], > 30 дней → [УСТАРЕЛО: дата] |
| Смешение фактов и гипотез | Не приписывать уверенность неподтверждённому |
| Нет диаграммы экосистемы | Секция 0 обязательна: SVG с 4 слоями и потоками между нодами |
| Нет секции "Неизвестное" | Слепые пятна важнее фактов для решений |
Guide users through a structured workflow for co-authoring documentation. Use when user wants to write documentation, proposals, technical specs, decision docs, or similar structured content. This workflow helps users efficiently transfer context, refine content through iteration, and verify the doc works for readers. Trigger when user mentions writing docs, creating proposals, drafting specs, or similar documentation tasks.
Intelligently organizes your files and folders across your computer by understanding context, finding duplicates, suggesting better structures, and automating cleanup tasks. Reduces cognitive load and keeps your digital workspace tidy without manual effort.
Generates creative domain name ideas for your project and checks availability across multiple TLDs (.com, .io, .dev, .ai, etc.). Saves hours of brainstorming and manual checking.
You MUST use this before any creative work - creating features, building components, adding functionality, or modifying behavior. Explores user intent, requirements and design before implementation.
Implements Manus-style file-based planning for complex tasks. Creates task_plan.md, findings.md, and progress.md. Use when starting complex multi-step tasks, research projects, or any task requiring >5 tool calls.
Creative research ideation and exploration. Use for open-ended brainstorming sessions, exploring interdisciplinary connections, challenging assumptions, or identifying research gaps. Best for early-stage research planning when you do not have specific observations yet. For formulating testable hypotheses from data use hypothesis-generation.
Comprehensive GitHub project management with swarm-coordinated issue tracking, project board automation, and sprint planning
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
Take serejaris/product-data-audit from the repository into ~/.claude/skills for personal
use, or into .claude/skills inside a project.
The agent identifies a skill by the name field in its header. Two skills with the
same name cannot sit side by side — one of them will be ignored.