workspace-automation-orchestrator
Skill14 starsChanged 7 months agoMITView on GitHub
Erkennt wiederkehrende manuelle Entwicklungsprozesse im Workspace, priorisiert sie nach ROI und fuehrt sichere lokale Automationen automatisch aus. IMMER verwenden, wenn der User repetitive manuelle Schritte, Produktivitaetsverluste, wiederholte QA/Gate-Ablaufe oder den Wunsch nach weniger manuellem Agent-Anstossen beschreibt. Keywords: automate workspace, repetitive tasks, auto run, quality gates, drift workflow automation, productivity.
- Deletes or force-pushes
- Commits and pushes
In this repository41 other files it gives its agents.
- AGENTS.mdAGENTS.md
- .github/AGENTS.mdAGENTS.md
- .github/copilot-instructions.mdCopilot instructions
- llms.txtllms.txt
- brainstormingSkill
- drift-adr-workflowSkill
- drift-agent-prompt-authoringSkill
- drift-commit-pushSkill
- drift-dependency-updateSkill
- drift-docs-gap-fixSkill
- drift-evidence-artifact-authoringSkill
- drift-finding-message-authoringSkill
- drift-ground-truth-fixture-developmentSkill
- drift-mcp-repo-ops-usageSkill
- drift-pr-review-loopSkill
- drift-pr-reviewSkill
- drift-releaseSkill
- drift-risk-audit-artifact-updatesSkill
- drift-security-triageSkill
- drift-session-handover-authoringSkill
- drift-signal-development-full-lifecycleSkill
- fix-failing-actionsSkill
- grill-meSkill
- guard-src-drift-apiSkill
- guard-src-drift-commandsSkill
- guard-src-drift-ingestionSkill
- guard-src-drift-outputSkill
- guard-src-drift-signalsSkill
- guard-src-driftSkill
- improve-codebase-architectureSkill
- prd-to-issuesSkill
- self-improving-agentSkill
- simplify-and-hardenSkill
- skill-creatorSkill
- subagent-driven-developmentSkill
- systematic-debuggingSkill
- tddSkill
- test-driven-developmentSkill
- verification-before-completionSkill
- write-a-prdSkill
- writing-plansSkill
The file
Files
Workspace Automation Orchestrator
Dieser Skill reduziert wiederholte manuelle Ausfuehrungsschritte, indem er Prozesse erkennt und innerhalb klarer Safe-Scopes automatisch orchestriert.
Referenzen laden
Lade bei Bedarf die folgenden Dateien fuer Details:
references/contracts.mdfuer Detection-, Safety- und Execution-Contractreferences/v1-automations.mdfuer den initialen Automationskatalogreferences/rollout.mdfuer den kontrollierten Rollout und Monitoringevals/evals.jsonfuer die ersten Skill-Evaluationsprompts
Ziel
- Wiederkehrende manuelle Prozesse im aktuellen Workspace erkennen
- Automationskandidaten nach Nutzen priorisieren
- Sichere lokale Ablaufe automatisch ausfuehren
- Risiko-Aktionen strikt blockieren und sauber eskalieren
Trigger
Nutze diesen Skill, wenn der User:
- von regelmaessig wiederholten manuellen Schritten berichtet
- Produktivitaet durch wiederholtes manuelles Anstossen verliert
- konsistente Qualitaet/Gate-Compliance erreichen will
- nach "automatisch erkennen", "automatisieren" oder "nicht jedes Mal manuell" fragt
Betriebsmodus
Dieser Skill arbeitet im Hybrid-Modus:
- Discovery bei Task-Start
- ROI-Scoring fuer Kandidaten
- Automatische Ausfuehrung nur bei erreichtem Schwellwert und nur in Safe-Scopes
- Sonst Vorschlag + explizite Freigabe
Standardprofil fuer dieses Repo: balanced.
Profile:
strict: auto-run nur bei sehr hohem ROI und null Safety-Zweifelbalanced: auto-run bei klarem ROI in der Allowlistaggressive: nur auf expliziten User-Wunsch, nie als Default
Safety-Vertrag (nicht verhandelbar)
Harte Block-Regeln
Folgende Aktionen werden niemals automatisch ausgefuehrt:
git pushoder sonstige Remote-Write-Operationen- automatisches Posten von Issue-/PR-Kommentaren
- destructive Git-Kommandos (
git reset --hard,git checkout --, History-Rewrites)
Eskalations-Regel
Wenn ein geplanter Schritt nicht in der Allowlist ist:
- Aktion blockieren
- Grund nennen
- sichere Alternative vorschlagen
- explizite User-Freigabe anfordern
Detection-Contract
Suche nach Automationskandidaten anhand folgender Signale:
- identische oder stark aehnliche Befehle wiederholen sich
- gleiche Sequenzen erscheinen mehrfach (z. B. test -> gate-check -> audit)
- wiederkehrende Quality- oder Gate-Fehler mit demselben Fix-Pattern
- hoher manueller Koordinationsaufwand bei niedrigem Entscheidungsbedarf
ROI-Heuristik
Prioritaet fuer Automation:
priority = frequency_score * effort_score * consistency_gain / risk_factor
Hinweise:
frequency_score: Wie oft der Ablauf wiederkehrteffort_score: Zeit-/Kontextkosten pro manueller Ausfuehrungconsistency_gain: Qualitaetsgewinn durch Standardisierungrisk_factor: Ausfuehrungsrisiko (niedriger ist besser)
Auto-Run nur bei:
- Schwellwert erreicht
- Aktion in Safe-Scopes
- keine aktive Block-Regel verletzt
Schwellwerte (balanced)
priority >= 40: automatisch ausfuehrenpriority 20-39: als Vorschlag ausgeben, optional auf Rueckfrage ausfuehrenpriority < 20: nicht automatisieren
Zusatzregel:
- Wenn
risk_factor > 1.0, keine automatische Ausfuehrung; nur Vorschlag mit Begruendung
Safe-Scopes (V1)
V1 nutzt vorhandene Repo-Kommandos statt neuer Parallel-Logik.
Die autoritative V1-Allowlist und Denylist steht in:
references/v1-allowlist.md
Erlaubte lokale Orchestrierung
make test-fastmake checkmake gate-check COMMIT_TYPE=<feat|fix|chore|signal>make audit-diffmake changelog-entry COMMIT_TYPE=<...> MSG='...'make catalog- gezielte lokale pytest-Laeufe fuer betroffene Tests
Erlaubte Analyse-/Discovery-Schritte
- Status-/Diff-Pruefung (read-only)
- Erkennen wiederkehrender Task-Sequenzen
- Ableiten naechster lokaler Safe-Aktionen
Ausfuehrungsprotokoll
- Scan
- Aktuelle Aufgabe erfassen
- Wiederholungsmuster im aktuellen Arbeitskontext erkennen
- Score
- Kandidaten nach ROI-Heuristik priorisieren
- Safety-Gate
- Jede Kandidatenaktion gegen Hard-Blocks und Allowlist pruefen
- Execute or Escalate
- In Safe-Scopes: automatisch ausfuehren
- Ausserhalb: blockieren, begruenden, Freigabe anfordern
- Report
- Was automatisch ausgefuehrt wurde
- Was blockiert wurde und warum
- Empfohlene naechste Schritte
Reihenfolge fuer V1-Auto-Orchestrierung
Wenn mehrere Aktionen in den Auto-Run fallen, nutze diese Reihenfolge:
make catalog(Discovery)make gate-check COMMIT_TYPE=<...>(fruehe Gate-Sichtbarkeit)make audit-diff(nur wenn relevant)make test-fast(schnelle Verifikation)
Regel fuer make check:
- Nur automatisch starten, wenn User explizit "vollstaendig" oder "full check" verlangt
- Sonst als Vorschlag ausgeben, weil Laufzeit und Umfang hoeher sind
Output-Vertrag
Der Skill liefert immer einen strukturierten Kurzreport:
detected_repetitions: erkannte wiederkehrende Prozesseauto_executed: automatisch ausgefuehrte Safe-Aktionenblocked_actions: blockierte Aktionen inkl. Block-Grundmanual_approvals_needed: Aktionen mit Freigabebedarfnext_best_automations: Top-Kandidaten fuer weitere Automatisierung
Template:
Automation Report
- profile: <strict|balanced|aggressive>
- detected_repetitions:
- <pattern>: <evidence>
- auto_executed:
- <command>: <status>
- blocked_actions:
- <action>: <reason>
- manual_approvals_needed:
- <action>: <why>
- next_best_automations:
- <candidate>Drift-spezifische Integrationsregeln
- Drift Policy Gate weiterhin vor nicht-trivialen Aenderungen beachten
- Existierende Repo-Workflows und Make-Targets bevorzugen
- Keine neue Automationslogik einfuehren, wenn ein bestehender Befehl den Zweck bereits erfuellt
- Bei Unsicherheit konservativ bleiben: nicht ausfuehren, sondern eskalieren
Beispiele
Beispiel 1: Wiederkehrende QA-Sequenz
Input-Situation:
- User startet mehrfach pro Tag dieselbe Sequenz aus
test-fast,gate-check,audit-diff
Erwartetes Verhalten:
- Sequenz als wiederkehrenden Prozess erkennen
- ROI hoch einstufen
- komplette Sequenz in Safe-Scopes automatisch ausfuehren
- Ergebnis kompakt reporten
Beispiel 2: Unsichere Aktion mit Remote-Write
Input-Situation:
- Workflow endet mit vorgeschlagenem
git push
Erwartetes Verhalten:
git pushblockieren- Block-Grund klar nennen
- nur sichere lokale Vorstufen ausfuehren
- fuer Push explizite User-Freigabe anfordern
Grenzen
Dieser Skill automatisiert V1 bewusst nur lokale, risikoarme Workflows. Er ist kein Freifahrtschein fuer autonome Remote-Aktionen oder Policy-Bypass.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

