SKILLEMALL.ai
EN Войти

AB slo-calculator

Рассчитывает бюджеты ошибок SLO/SLA, допустимое время простоя, скорости сгорания и метрики доступности. Используйте, когда спрашивают о целях SLO, бюджетах ошибок, расчетах доступности, девятизначных показателях доступности, анализе скорости сгорания или соответствии SLA. Триггеры: "SLO", "SLA", "error budget", "uptime", "nines", "availability", "downtime budget", "burn rate".

машинный переводПоказать оригиналСкрыть оригинал«Calculate SLO/SLA error budgets, allowed downtime, burn rates, and upt…»

Calculate SLO/SLA error budgets, allowed downtime, burn rates, and uptime metrics. Use when asked about SLO targets, error budgets, uptime calculations, nines of availability, burn rate analysis, or SLA compliance. Triggers on "SLO", "SLA", "error budget", "uptime", "nines", "availability", "downtime budget", "burn rate".

ClawHub Agent Skills автор: charlie-morrison v1.0.1 MIT-0 4 файла тело ≈ 372 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Рассчитывает бюджеты ошибок SLO/SLA, допустимое время простоя, скорости сгорания и метрики доступности.

Как процесс B 65/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

АнализаторПоддержка клиентовтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Шаги вес 15
50
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: 4. 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 65/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Шаги. Шагов: 2
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 372 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Нет пошаговых инструкций или чек-листа
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 323 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    The skills are mostly operational guidance for ClawHub and Convex workflows, with sensitive actions disclosed and generally tied to explicit user-driven tasks.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.