SKILLEMALL.ai

BD docker-optimizer

Оптимизируйте Dockerfile с помощью многоступенчатой сборки, кэширования слоев, лучших практик безопасности и методов уменьшения размера.

машинный переводПоказать оригиналСкрыть оригинал«Optimize Dockerfiles with multi-stage builds, layer caching, security…»

Optimize Dockerfiles with multi-stage builds, layer caching, security best practices, and size reduction techniques

ClawHub Agent Skills автор: Michael Atamuk v1.0.0 MIT-0 3 файла тело ≈ 5 575 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Оптимизируйте Dockerfile с помощью многоступенчатой сборки, кэширования слоев, лучших практик безопасности и методов уменьшения размера.

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторDockerGitHubИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. 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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Утечка данных read-dotenv DOCKER_PATTERNS.md:318
    Чтение файла .env (инструкция Dockerfile (сборка образа, а не эксфильтрация); документация security-скилла)
    COPY .env /app/.env  # Secret persists in layer
    Dockerfilesecurity-скилл

Ещё 1 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5575 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 47/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, python, node), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5575 токенов
  • 100Шаги. Шагов: 180
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 14. 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 115: 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
  • -220 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 45 заголовков
  • +3Пошаговые инструкции: 180 пунктов
  • +4Есть примеры (38 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This skill is a Dockerfile optimization guide with disclosed, purpose-aligned examples and no hidden execution or persistence behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.