SKILLEMALL.ai

AB ia-code-review

Структурированные обзоры кода с результатами, ранжированными по степени серьезности, и расширенным многоагентным режимом. Используйте при проведении обзора кода, аудите качества кода или критике PR, MR или diff. Для полного многоагентного рабочего процесса используйте команду ia-review (/ia-review в Claude Code).

машинный переводПоказать оригиналСкрыть оригинал«Structured code reviews with severity-ranked findings and deep multi-a…»

Structured code reviews with severity-ranked findings and deep multi-agent mode. Use when performing a code review, auditing code quality, or critiquing PRs, MRs, or diffs. For the full multi-agent workflow, use the ia-review command (/ia-review in Claude Code).

ClawHub Agent Skills автор: Ilia Alshanetsky v4.5.2 MIT-0 22 файла тело ≈ 1 930 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Структурированные обзоры кода с результатами, ранжированными по степени серьезности, и расширенным многоагентным режимом.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, согласованность

АнализаторРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Рискованное назначение intent-offensive-security references/security-test-coverage.md:19
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (тестовый файл / пример)
      - [ ] Vertical privilege escalation: regular user hitting admin routes → denied
      тестовый файл

    Просканировано файлов: 22. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "class"

    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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (ia-code-review) не совпадает с папкой (compound-eng-code-review)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 6, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 1930 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 262 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 6 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (19 из 19)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: clean
    This is a Markdown-only code review skill whose repository access, verification steps, subagent use, and optional external review flow are disclosed and bounded by user consent and read-only review rules.
    LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.