SKILLEMALL.ai
EN Войти

BF Code Smell

Детектор статических «запахов кода» для Python, JavaScript/TypeScript, Java, Go и Ruby. Определяет 10 классических антипаттернов — длинные функции, классы-боги, слишком много параметров, глубокая вложенность, магические числа/строки, дублирующиеся блоки кода, маркеры долга TODO/FIXME, ловушки булевых значений, длинные цепочки методов и недостижимый код — с оценкой серьезности для каждого «запаха», результатами на уровне строк и предложениями по рефакторингу. Нулевые внешние зависимости. Нулевые конкуренты на ClawHub.

машинный переводПоказать оригиналСкрыть оригинал«Static code smell detector for Python, JavaScript/TypeScript, Java, Go…»

Static code smell detector for Python, JavaScript/TypeScript, Java, Go, and Ruby. Identifies 10 classic anti-patterns — long functions, god classes, too many parameters, deep nesting, magic numbers/strings, duplicate code blocks, TODO/FIXME debt markers, boolean traps, long method chains, and unreachable code — with per-smell severity ratings, line-level findings, and refactoring suggestions. Zero external dependencies. Zero competitors on ClawHub.

ClawHub Agent Skills автор: Lucius Pang v1.0.3 MIT-0 2 файла тело ≈ 9 814 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Детектор статических «запахов кода» для Python, JavaScript/TypeScript, Java, Go и Ruby.

Как процесс F 30/100 · Не запустится — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип 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
78/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
45
Прогон на моделях
не было
Процессный рейтинг
F
30/100
Не запустится
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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.
  2. 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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. 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")
  • предупреждение body-long тело SKILL.md ≈ 9814 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 30/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (Code Smell) не совпадает с папкой (phy-code-smell)
  • 40Стоимость исполнения. Тело инструкции 9814 токенов: вытесняет саму задачу из окна
  • 50Шаги. Шагов: 2
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 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)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -5В тексте остались TODO / заглушки
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +2Инструкции на одном языке
  • +3Длина description 452 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +4Есть примеры (8 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 45.

Внешние проверки

ClawHub: clean
This is a local code-quality scanner that reads project source files to report code smells, with no evidence of network access, persistence, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.