SKILLEMALL.ai

BD code-quality-analyzer

Навык анализа качества кода для анализа еженедельных/ежемесячных изменений в репозитории кода, генерации отчетов о поставках и синхронизации с базой данных системы анализа качества кода. Сценарии запуска: (1) Пользователь запрашивает анализ качества кода (2) Генерация еженедельного/ежемесячного отчета (3) Статистика изменений кода (4) Анализ коммитов в ветках (5) Синхронизация данных анализа с базой данных.

машинный переводПоказать оригиналСкрыть оригинал«代码质量分析技能,用于分析代码仓库的周/月维度变更,生成交付报告并同步到代码质量分析系统数据库。触发场景:(1) 用户要求进行代码质量分析…»

代码质量分析技能,用于分析代码仓库的周/月维度变更,生成交付报告并同步到代码质量分析系统数据库。触发场景:(1) 用户要求进行代码质量分析 (2) 生成周报/月报 (3) 统计代码变更 (4) 分析分支提交 (5) 同步分析数据到数据库。

ClawHub Agent Skills автор: FightingDao v1.0.0 MIT-0 2 файла тело ≈ 8 682 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык анализа качества кода для анализа еженедельных/ежемесячных изменений в репозитории кода, генерации отчетов о поставках и синхронизации с базой данных…

Как процесс D 37/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
D
37/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 2. 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 body-long тело SKILL.md ≈ 8682 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 37/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (code-quality-analyzer) не совпадает с папкой (fightingdao-code-quality-analyzer)
  • 40Стоимость исполнения. Тело инструкции 8682 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 38
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 28. 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)
  • +3Длина description 119: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 106 заголовков
  • +3Пошаговые инструкции: 38 пунктов
  • +4Есть примеры (55 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: suspicious
This appears to be an internal code-quality reporting skill, but it can overwrite reporting data, delegate code review to another model, and reference notification channels without enough user control or disclosure.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.