SKILLEMALL.ai

AA agent-architecture-analysis

Используйте при аудите кодовой базы агента в соответствии с методологией 12-факторных агентов, при обзоре архитектуры системы на основе LLM или при оценке соответствия агентских приложений. Активируется по фразам «анализировать архитектуру агента», «аудит по 12 факторам», «насколько соответствует этот агент», или «оценить это LLM-приложение». Также применяется при сравнении фреймворков или планировании улучшений агента. Не для быстрых чек-листов — выполняет глубокий анализ кодовой базы по каждому фактору с доказательствами на уровне файлов.

машинный переводПоказать оригиналСкрыть оригинал«Use when auditing an agent codebase against the 12-Factor Agents metho…»

Use when auditing an agent codebase against the 12-Factor Agents methodology, reviewing LLM-powered system architecture, or assessing agentic app compliance. Triggers on "analyze agent architecture", "12-factor audit", "how compliant is this agent", or "evaluate this LLM app". Also applies when comparing frameworks or planning agent improvements. Not for quick checklists — this performs deep per-factor codebase analysis with file-level evidence.

ClawHub Agent Skills автор: Kevin Anderson v1.0.3 MIT-0 3 файла тело ≈ 1 358 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте при аудите кодовой базы агента в соответствии с методологией 12-факторных агентов, при обзоре архитектуры системы на основе LLM или при оценке…

Как процесс A 85/100 · Дойдёт до конца — слабые места: отчётность по ходу

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
100/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
100
Прогон на моделях
не было
Процессный рейтинг
A
85/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 85/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 37
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Входы и предусловия. Входные данные и предусловия перечислены
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1358 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 449 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 37 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 100.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only skill for auditing a user-selected agent codebase, with no executable payload or hidden behavior found.
    LLM: benign (high) · VirusTotal: · 1 июн. 2026 г.