SKILLEMALL.ai

AB gogetajob

Рабочий процесс для участия в open-source проектах — поиск задач на GitHub, исправление ошибок, отправка PR, отслеживание результатов. Используйте, когда: (1) начинаете рабочий цикл или цикл участия в проекте (打工, contribute, work on issues), (2) просматриваете репозитории в поисках доступной работы, (3) отправляете или отслеживаете PR, (4) синхронизируете статусы PR и обрабатываете отзывы, (5) проверяете статистику или историю работы. Триггеры: 打工, 干活, find work, contribute, open source, scan issues, submit PR, work loop, gogetajob. НЕ для: простых разовых правок кода, чтения кода или задач, не связанных с участием в open-source.

машинный переводПоказать оригиналСкрыть оригинал«Open-source contribution workflow — find GitHub issues, implement fixe…»

Open-source contribution workflow — find GitHub issues, implement fixes, submit PRs, track results. Use when: (1) starting a work loop or contribution cycle (打工, contribute, work on issues), (2) scanning repos for available work, (3) submitting or following up on PRs, (4) syncing PR statuses and handling review feedback, (5) checking work stats or history. Triggers on: 打工, 干活, find work, contribute, open source, scan issues, submit PR, work loop, gogetajob. NOT for: simple one-off code edits, reading code, or tasks unrelated to open-source contribution.

ClawHub Agent Skills автор: kagura-agent v1.0.2 MIT-0 3 файла тело ≈ 1 310 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Рабочий процесс для участия в open-source проектах — поиск задач на GitHub, исправление ошибок, отправка PR, отслеживание результатов.

Как процесс B 72/100 · Почти готов — слабые места: результат и критерий готовности

ПроцедураGitHubРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Результат и критерий готовности вес 14
0
Инструменты и файлы вес 18
60
Ошибки и развилки вес 10
65
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: 3. 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 72/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 65Ошибки и развилки. Развилок: 3
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 28
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1310 токенов
    • 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
    • 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 559 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: suspicious
    This markdown-only skill is coherent for open-source contribution automation, but it grants broad automated code-writing and GitHub publishing authority without clear human approval gates.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.