SKILLEMALL.ai

BF smart-coding-assistant

Интеллектуальный помощник по программированию с несколькими моделями, автоматически выбирающий оптимальную большую языковую модель для кода в зависимости от типа задачи. Поддерживает такие сценарии, как генерация кода, ревью, отладка, рефакторинг, тестирование. Сценарии использования: написание кода, ревью кода, отладка ошибок, оптимизация производительности, миграция технологического стека, генерация юнит-тестов и другие задачи программирования.

машинный переводПоказать оригиналСкрыть оригинал«智能多模型编程助手,根据任务类型自动选择最优代码大模型。支持代码生成、审查、调试、重构、测试等场景。使用场景:编写代码、代码审查、Bug 调…»

智能多模型编程助手,根据任务类型自动选择最优代码大模型。支持代码生成、审查、调试、重构、测试等场景。使用场景:编写代码、代码审查、Bug 调试、性能优化、技术栈迁移、单元测试生成等编程任务。

ClawHub Agent Skills автор: davidme6 v1.0.0 MIT-0 11 файлов тело ≈ 781 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Интеллектуальный помощник по программированию с несколькими моделями, автоматически выбирающий оптимальную большую языковую модель для кода в зависимости от…

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/benchmarks.md

ПроцедураРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/benchmarks.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 11. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/benchmarks.md

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/benchmarks.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/benchmarks.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 47
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 781 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 95: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This is a coherent coding-assistant skill whose main risk is expected use of third-party model APIs for user-provided coding tasks.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.