SKILLEMALL.ai

AB review-pr

Проверяет pull request на GitHub по номеру PR, ссылке на репозиторий или URL; сопоставляет текущее содержимое с предыдущими комментариями ревьюера, чтобы исправления не регрессировали; публикует один консолидированный комментарий PR; и отслеживает ответы автора PR "addressed", пока не будет чистое ревью, с минимальными затратами токенов, пока ничего не меняется. Используйте, когда пользователь просит проверить, присмотреть, перепроверить или постоянно отслеживать PR, пока не останется блокирующих проблем, с ограниченной сходимостью между последующими циклами.

машинный переводПоказать оригиналСкрыть оригинал«Review a GitHub pull request from a PR number, repo-qualified referenc…»

Review a GitHub pull request from a PR number, repo-qualified reference, or URL; reconcile the current content against all earlier review comments so fixes do not regress; post one consolidated PR comment; and watch for the PR author's "addressed" responses until a clean review, at no/low token cost while nothing changes. Use when the user asks to review, babysit, re-check, or continuously monitor a PR until no blocking issues remain, with bounded convergence across follow-up cycles.

ClawHub Agent Skills автор: Arunjeet Singh v1.0.1 MIT-0 3 файла тело ≈ 4 899 токенов Открыть источникclawhub.ai проанализирован 8 ч назад

Проверяет pull request на GitHub по номеру PR, ссылке на репозиторий или URL; сопоставляет текущее содержимое с предыдущими комментариями ревьюера, чтобы…

Как процесс B 79/100 · Почти готов — слабые места: результат и критерий готовности

АнализаторGitHubРазработкаФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
79/100
Почти готов
Результат и критерий готовности вес 14
40
Инструменты и файлы вес 18
60
Входы и предусловия вес 11
70
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 79/100

    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 60Инструменты и файлы. Используются инструменты (bash, web, node), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4899 токенов
    • 100Шаги. Шагов: 74
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

    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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 488 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 74 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    This PR review skill is mostly purpose-aligned, but it creates persistent background monitoring that can keep using GitHub access and posting comments after the initial run.
    LLM: suspicious (high) · 11 сент. 2026 г.