SKILLEMALL.ai
EN Войти

BC AI Context Gen

Анализирует любую кодовую базу и генерирует контекстные файлы для ИИ-помощника по программированию для 5 инструментов одновременно — CLAUDE.md (Claude Code), AGENTS.md (OpenClaw/Codex), .cursorrules (Cursor), .windsurfrules (Windsurf) и .github/copilot-instructions.md (GitHub Copilot). Читает стек технологий, архитектуру, соглашения и настройку тестирования для создания специфичного для проекта, а не общего, контекста. Экономит 30-60 минут ручной работы над каждым проектом. Триггер: «generate context files», «write CLAUDE.md», «create cursorrules», «AI context setup».

машинный переводПоказать оригиналСкрыть оригинал«Analyzes any codebase and generates AI coding assistant context files…»

Analyzes any codebase and generates AI coding assistant context files for 5 tools simultaneously — CLAUDE.md (Claude Code), AGENTS.md (OpenClaw/Codex), .cursorrules (Cursor), .windsurfrules (Windsurf), and .github/copilot-instructions.md (GitHub Copilot). Reads tech stack, architecture, conventions, and testing setup to produce project-specific, not generic, context. Saves 30-60 minutes of manual writing per project. Trigger: "generate context files", "write CLAUDE.md", "create cursorrules", "AI context setup".

ClawHub Agent Skills автор: Lucius Pang v1.0.3 MIT-0 2 файла тело ≈ 3 238 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Анализирует любую кодовую базу и генерирует контекстные файлы для ИИ-помощника по программированию для 5 инструментов одновременно — CLAUDE.md (Claude Code)…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторGitHubРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Analyzes any codebase and generates AI coding assistant context fi… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 54/100

    • 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
    • 40Согласованность. Имя во frontmatter (AI Context Gen) не совпадает с папкой (phy-ai-context-gen)
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 38
    • 100Стоимость исполнения. Тело инструкции 3238 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -5В тексте остались TODO / заглушки
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 516 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +4Есть примеры (10 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed project-scanning helper that generates AI assistant context files, with no hidden executable code or evidence of exfiltration.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.