SKILLEMALL.ai

AB cross-ref

Аудит указанного репозитория GitHub на наличие дублирующихся pull request и отсутствующих связей issue-to-PR. Используйте только тогда, когда пользователь явно запрашивает перекрестный анализ конкретного репозитория или предоставленного набора PR/issue. Анализ является только для чтения и всегда сначала создает отчет. Публикация комментариев является необязательной и требует отдельно утвержденного файла одобрения плюс явного флага выполнения; метки и закрытия никогда не автоматизируются.

машинный переводПоказать оригиналСкрыть оригинал«Audit a named GitHub repository for duplicate pull requests and missin…»

Audit a named GitHub repository for duplicate pull requests and missing issue-to-PR links. Use only when the user explicitly asks for cross-reference analysis of a specific repository or supplied PR/issue set. Analysis is read-only and always produces a report first. Comment posting is optional and requires a separately reviewed approval file plus an explicit execution flag; labels and closes are never automated.

ClawHub Agent Skills автор: Glucksberg v1.1.2 MIT-0 9 файлов · 3 скрипта тело ≈ 4 850 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Аудит указанного репозитория GitHub на наличие дублирующихся pull request и отсутствующих связей issue-to-PR.

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия

АнализаторGitHubРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
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: 9. 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 66/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4850 токенов
    • 100Шаги. Шагов: 58
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 5, 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

    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
    • -212 эмодзи в инструкциях: шум для модели
    • -31 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 416 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This is a disclosed GitHub repository analysis helper that reads PR and issue data and only posts comments after explicit approval.
    LLM: benign (high) · VirusTotal: · 11 июл. 2026 г.