SKILLEMALL.ai

AB incident-fupan

Анализ инцидентов / Incident Fupan — структурированный анализ первопричин производственных сбоев, простоев, ошибок и почти случившихся инцидентов. Используйте, когда: (1) требуется анализ инцидентов или обзор инцидентов, (2) произошел производственный инцидент и требуется анализ первопричин, (3) агент совершил дорогостоящую ошибку, и вы хотите предотвратить ее повторение, (4) создание правил безопасности или аварийных выключателей на основе паттернов инцидентов. Активируется по: 复盘, fupan, postmortem, incident review, root cause analysis, 事故分析. Генерирует полный отчет с временной шкалой, анализом первопричин по методу 5 Почему, оценкой воздействия, действиями по исправлению/предотвращению и новыми защитными правилами. НЕ для: рутинной отладки, планирования функций или анализа, не связанного с инцидентами.

машинный переводПоказать оригиналСкрыть оригинал«事故复盘 / Incident Fupan — structured root cause analysis for production…»

事故复盘 / Incident Fupan — structured root cause analysis for production failures, outages, bugs, and near-misses. Use when: (1) 事故复盘 or incident review is needed, (2) a production incident just happened and needs root cause analysis, (3) an agent made a costly mistake and you want to prevent recurrence, (4) building safety rules or kill switches from incident patterns. Triggers on: 复盘, fupan, postmortem, incident review, root cause analysis, 事故分析. Generates a full report with timeline, 5 Whys root cause, impact assessment, fix/prevention actions, and new defensive rules. NOT for: routine debugging, feature planning, or non-incident analysis.

ClawHub Agent Skills автор: scytheshan-pixel v1.0.0 4 файла тело ≈ 1 135 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ инцидентов / Incident Fupan — структурированный анализ первопричин производственных сбоев, простоев, ошибок и почти случившихся инцидентов.

Как процесс B 71/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия

АнализаторИнфраструктуратип 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
71/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
55
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: 4. 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 71/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 28
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1135 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 647 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

    Внешние проверки

    ClawHub: suspicious
    This incident-review skill is useful and mostly coherent, but it can persist sensitive incident lessons and alter future agent behavior without clear user approval or limits.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.