SKILLEMALL.ai

AC oss-contribution-system

Сквозная система автоматизации вкладов в GitHub с открытым исходным кодом. Обнаруживает ценные задачи, реализует исправления, открывает качественные PR, отслеживает статус CI/ревью и учится на каждом вкладе. Использует gh CLI для доступа к GitHub API, git для контроля версий и хранит локальные данные рабочего пространства в ./oss-pilot-data/ для профилей и контекста PR. Активируется по запросам "oss discover", "oss auto", "oss pr", "oss check", "find issues", "what should I work on", "next PR", "auto PR", "review PR", "check PRs", "morning check".

машинный переводПоказать оригиналСкрыть оригинал«End-to-end open-source GitHub contribution automation system. Discover…»

End-to-end open-source GitHub contribution automation system. Discover high-value issues, implement fixes, open quality PRs, monitor CI/review status, and learn from each contribution. Uses gh CLI for GitHub API access, git for version control, and stores workspace-local data in ./oss-pilot-data/ for profiles and PR context. Triggers on "oss discover", "oss auto", "oss pr", "oss check", "find issues", "what should I work on", "next PR", "auto PR", "review PR", "check PRs", "morning check".

ClawHub Agent Skills автор: Cypher v2.0.2 MIT-0 9 файлов тело ≈ 1 187 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Сквозная система автоматизации вкладов в GitHub с открытым исходным кодом.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, согласованность

ИнтеграцияGitHubРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "user_invocable"

Процессный рейтинг: все десять параметров 52/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (oss-contribution-system) не совпадает с папкой (oss-pilot)
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 37
  • 100Стоимость исполнения. Тело инструкции 1187 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 11 примера фраз-триггеров в кавычках
  • +3Длина description 494 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This is a coherent GitHub contribution automation skill, but it can modify local repos and make public GitHub changes from broad status-style prompts.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.