serejaris/product-data-audit
skills/product-data-audit/SKILL.md
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".
$ install --global
skillsauthnpx skillsauth add serejaris/ris-claude-code product-data-auditInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
Security Scan Results
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
3
Scanners Passed
9
Scanners in report
Clean
TrivyContainer and dependency vulnerability scanner
95%
Clean
SemgrepStatic code analysis for vulnerabilities
95%
Clean
mcp-scan (Snyk)Model Context Protocol security validation
95%
Skipped
Snyk (dep)Open source security scanning
50%
Skipped
Socket.devSupply chain security analysis
50%
Skipped
VirusTotalMulti-engine malware detection
50%
Skipped
CrowdStrikeAdvanced threat intelligence
50%
Skipped
OSV-ScannerOpen Source Vulnerability database check
50%
Skipped
OWASP Dep-Check
50%
Last scanned: Jun 7, 2026, 4:26 AM129.3s7 files scanned
SKILL.md
- name:
- product-data-audit
- description:
- 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".
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.
Процесс
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";
}
1. Определить объект аудита
Спросить у пользователя, если неочевидно:
- Аудит одного продукта, линейки или всей экосистемы бренда?
- Какие файлы/системы читать?
workdir = корень git-репозитория текущего проекта. Если неочевидно — спросить у пользователя до шага 2.
2. Собрать данные
Обнаружить и прочитать источники по категориям (конкретные файлы зависят от проекта):
- Архитектура проекта — CLAUDE.md, README, AGENTS.md, .cursor/rules, любые конфиг-файлы агентов
- Канонические данные — файлы с ценами, метриками, офферами, аудиторией (искать по содержимому, не по имени)
- Стратегия и планы — документы с insights, roadmap, OKR, ретро, планы
- Операционные правила — правила в .claude/rules/, playbooks, runbooks
- Рабочие документы — docs/, notes/, analysis/ — всё что есть
- Управление задачами — GitHub Projects/Issues, Linear, Jira (если доступны через CLI)
- Системы и конфиги — боты, CRM, базы, аналитика, мониторинг (конфиги, схемы, .env.example)
- Внешние данные — API-запросы, CLI-команды для свежих метрик (если доступны)
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.
3. Сгенерировать отчёт
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 нет
Правило числовой конкретики (обязательно):
- Каждый ФАКТ должен содержать конкретные числа, если они доступны в источниках
- После числа — ссылка на источник в формате
[файл:строка]или[система → запрос] - Если число можно получить запросом (SQL, API, file read) — получить, не оставлять "самый маржинальный"
- Плохо: "канал X — самый маржинальный"
- Хорошо: "канал X — $Y/единица, ~$Z/час при Nч работы [<файл-с-ценами>:<метка>]"
- Если число недоступно — явно пометить
[число не найдено]вместо голого утверждения
Терминология: 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).
4. Сгенерировать HTML
Создать {workdir}/research/product-data-audit.html по дизайн-спецификации из references/html-design-spec.md. Навигация = 12 секций (0–11).
5. Открыть в браузере
open {workdir}/research/product-data-audit.html
# Если `open` недоступна — вывести абсолютный путь для ручного открытия
Типичные ошибки
| 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 |
Related Skills
serejaris/tg-bot-ops
development
VerifiedTrustedCommunity
Use when operating, debugging, deploying, or monitoring a Telegram bot or Telegram-to-agent gateway. Triggers on "telegram bot down", "bot not responding", "debug bot", "check webhook", "polling vs webhook", "restart bot", "deploy bot", "bot logs", "agent gateway", "Telegram Bot API error", "send test message", "бот не отвечает", "проверь бота", "логи бота", "перезапусти бота". Covers health checks, logs, webhook/polling diagnostics, environment validation, safe restart/deploy checklists, Bot API smoke tests, forum topic delivery, privacy mode, gateway routing, and incident notes.
170SKILL.mdUpdated Jun 7, 2026
serejaris/pm-user-stories
testing
VerifiedTrustedCommunity
Разбивает Epic или крупное требование на независимые User Stories с acceptance criteria в формате Given-When-Then, проверкой по INVEST и оценкой Story Points (Fibonacci или T-shirt). На выходе — Story Map с предложением по Sprint-планированию. User-invoked only — do NOT auto-trigger. Triggers on /pm-user-stories, "разбей на user stories", "разбить эпик", "story map", "AC", "acceptance criteria", "break down into user stories", "split this epic", "write user stories".
170SKILL.mdUpdated Jun 7, 2026
serejaris/pm-roadmap
research
VerifiedTrustedCommunity
Сводит статус итерации, оценивает прогресс milestones, фиксирует изменения приоритетов, отслеживает зависимости и выдаёт roadmap в формате Now/Next/Later с атрибуцией задержек по 5 причинам, health score и фреймворком обрезки scope при нехватке ресурсов. User-invoked only — do NOT auto-trigger. Triggers on /pm-roadmap, "обнови roadmap", "статус спринта", "анализ задержек", "update roadmap", "sprint status", "milestone progress", "delay analysis".
170SKILL.mdUpdated Jun 7, 2026
serejaris/pm-prioritize
development
VerifiedTrustedCommunity
Use when ranking a list of requirements, features, or backlog items using RICE / ICE / MoSCoW / Kano. Built-in decision tree picks the right framework based on data availability and decision context. Output is a transparent matrix, 2×2 Impact/Effort quadrant, and a Sprint allocation proposal. User-invoked only — do NOT auto-trigger. Triggers on "/pm-prioritize", "/prioritize", "приоритизация", "ранжируй бэклог", "RICE-анализ", "prioritize requirements", "RICE", "ICE", "MoSCoW", "Kano", "rank backlog".
170SKILL.mdUpdated Jun 7, 2026