# enterprise-user-management-ai-system

Скилл разворачивает систему управления пользователями с Kanban-досками, тикетами и ИИ-аналитикой: риски, аномалии, выгорание.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 367 установок · ★ 5
- Автор: reason-machines
- Лицензия: LicenseRef-Unknown · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/reason-machines/data-skills/tree/HEAD/skills/enterprise-user-management-ai-system/SKILL.md
- Обновлён: 2026-10-09
- HTML: https://affpapa.org/nevibecode/skills/enterprise-user-management-ai-system

## Что делает

Скилл описывает сборку полного стека: бэкенд на Node.js, ML-сервис на Python и фронтенд на React. Внутри — роли и JWT-аутентификация, задачи с Kanban-доской и учётом времени, поддержка с созданием и классификацией тикетов, админские операции и журнал аудита. Отдельный блок — ИИ-аналитика: предсказание рисков, поиск аномалий, анализ выгорания и прогноз задержки проекта.

Для запуска нужны Node.js 14+, Python 3.8+ и MongoDB — локально или удалённо. Бэкенд поднимается на `http://localhost:5000`, ML-сервис на `http://localhost:8000`, фронтенд на `http://localhost:3000`. Каждый сервис читает свой `.env`: в бэкенде это `MONGODB_URI`, `JWT_SECRET`, `JWT_EXPIRE` и `ML_SERVICE_URL`, в ML-сервисе — `MODEL_PATH` и `LOG_LEVEL`, во фронтенде — `REACT_APP_API_URL` и `REACT_APP_ML_URL`. Без работающего ML-сервиса эндпоинты аналитики отвечать не будут, потому что бэкенд ходит за ними по `ML_SERVICE_URL`.

В скилле есть примеры ключевых эндпоинтов: регистрация и вход, CRUD пользователей, задачи, тикеты и четыре ИИ-метода. Для фронтенда даны готовые фрагменты — хук `useAuth` и компонент `KanbanBoard`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill enterprise-user-management-ai-system -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/enterprise-user-management-ai-system/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/enterprise-user-management-ai-system/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill enterprise-user-management-ai-system -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/enterprise-user-management-ai-system/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill enterprise-user-management-ai-system -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/enterprise-user-management-ai-system/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install reason-machines/data-skills enterprise-user-management-ai-system
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/enterprise-user-management-ai-system/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill enterprise-user-management-ai-system -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/reason-machines/data-skills --path skills/enterprise-user-management-ai-system
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/enterprise-user-management-ai-system/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill enterprise-user-management-ai-system -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/reason-machines/data-skills/tree/HEAD/skills/enterprise-user-management-ai-system/SKILL.md

## Когда брать
- развернуть управление пользователями с ролевым доступом и JWT
- собрать Kanban-доску с учётом затраченного времени
- завести тикеты поддержки с автоматической классификацией
- подключить предсказание рисков и поиск аномалий по поведению
- оценить риск выгорания сотрудника и задержку проекта

## Примеры запросов агенту
- Разверни enterprise user management с ИИ-аналитикой и Kanban-доской
- Добавь в систему эндпоинт предсказания рисков по загрузке задач
- Настрой хук `useAuth` для входа через JWT

## Похожие
- [session-management](https://affpapa.org/nevibecode/skills/secondsky-session-management.md) — скилл · 408 установок
- [project-management](https://affpapa.org/nevibecode/skills/project-management.md) — скилл · 389 установок
- [api-authentication](https://affpapa.org/nevibecode/skills/api-authentication.md) — скилл · 607 установок
- [jwt-encode](https://affpapa.org/nevibecode/skills/jwt-encode.md) — скилл · 606 установок
- [database-management-patterns](https://affpapa.org/nevibecode/skills/database-management-patterns.md) — скилл · 466 установок
- [mongodb-development](https://affpapa.org/nevibecode/skills/mongodb-development.md) — скилл · 891 установка

Из того же набора: [reason-machines/data-skills](https://affpapa.org/nevibecode/by/reason-machines/data-skills.md) — 74 карточки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md