SKILLEMALL.ai

AB tencent-cloud-rum-2.1

Запрос данных Tencent Cloud RUM, анализ производительности веб-сайтов (LCP/FCP/WebVitals), устранение ошибок JS/Promise, анализ задержки и частоты ошибок API, диагностика медленной загрузки статических ресурсов и просмотр PV/UV. Поддерживает корреляцию RUM-APM. Не для: производительности только бэкенда, производительности нативных мобильных приложений или платформ, отличных от Tencent Cloud RUM.

машинный переводПоказать оригиналСкрыть оригинал«Query Tencent Cloud RUM data, analyze Web performance (LCP/FCP/WebVita…»

Query Tencent Cloud RUM data, analyze Web performance (LCP/FCP/WebVitals), troubleshoot JS/Promise errors, analyze API latency & error rates, diagnose slow static resource loading, and view PV/UV. Supports RUM-APM correlation. Not for: backend-only performance, native mobile performance, or non-Tencent Cloud RUM platforms.

ClawHub Agent Skills автор: lauraytwu v0.1.3 MIT-0 7 файлов · 1 скрипт тело ≈ 3 123 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Запрос данных Tencent Cloud RUM, анализ производительности веб-сайтов (LCP/FCP/WebVitals), устранение ошибок JS/Promise, анализ задержки и частоты ошибок API…

Как процесс B 70/100 · Почти готов — слабые места: согласованность, повторный запуск

АнализаторИнфраструктураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Повторный запуск вес 4
30
Согласованность вес 8
40
Когда включается вес 12
50
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.
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 70/100

  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (tencent-cloud-rum-2.1) не совпадает с папкой (tencent-cloud-rum-skill)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 81
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Стоимость исполнения. Тело инструкции 3123 токенов
  • 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 Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (5 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
  • -215 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 324 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 81 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a coherent Tencent Cloud RUM analysis skill, but it requires sensitive cloud credentials and can access detailed user telemetry.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.