SKILLEMALL.ai

BF alibabacloud-devops

Автоматизируйте задачи DevOps в Alibaba Cloud Yunxiao — создавайте и запускайте конвейеры, управляйте репозиториями кода и запросами на слияние, отслеживайте рабочие элементы и спринты, создавайте тестовые случаи, управляйте артефактами и управляйте рабочими процессами выпуска приложений в 8 продуктах Yunxiao. Триггеры: «Yunxiao», «DevOps», «pipeline», «code repository», «merge request», «work item», «sprint», «test case», «application delivery», «artifact repository», «Codeup», «Flow», «Projex», «AppStack», «Packages», «Testhub»

машинный переводПоказать оригиналСкрыть оригинал«Automate Alibaba Cloud Yunxiao DevOps tasks — create and run pipelines…»

Automate Alibaba Cloud Yunxiao DevOps tasks — create and run pipelines, manage code repositories and merge requests, track work items and sprints, create test cases, manage artifacts, and drive application release workflows across 8 Yunxiao products. Triggers: "Yunxiao", "DevOps", "pipeline", "code repository", "merge request", "work item", "sprint", "test case", "application delivery", "artifact repository", "Codeup", "Flow", "Projex", "AppStack", "Packages", "Testhub"

ClawHub Agent Skills автор: alibabacloud-skills-team v0.0.3 MIT-0 17 файлов тело ≈ 6 184 токенов Открыть источникclawhub.ai проанализирован 17 ч назад

Автоматизируйте задачи DevOps в Alibaba Cloud Yunxiao — создавайте и запускайте конвейеры, управляйте репозиториями кода и запросами на слияние, отслеживайте…

Как процесс F 64/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/aliyun-cli-install.md, references/mcp-setup.md, references/intent-classification.md

ПроцедураDockerРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
64/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/aliyun-cli-install.md, references/mcp-setup.md, references/intent-classification.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  3. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 6184 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: references/aliyun-cli-install.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/mcp-setup.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/intent-classification.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/acceptance-criteria.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/discover-commands.sh
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/mcporter-call.sh

Процессный рейтинг: все десять параметров 64/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/aliyun-cli-install.md, references/mcp-setup.md, references/intent-classification.md
  • 0Инструменты и файлы. Не хватает 6 файла(ов): references/aliyun-cli-install.md, references/mcp-setup.md, references/intent-classification.md
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 70Стоимость исполнения. Тело инструкции 6184 токенов
  • 85Шаги. Шагов: 39, расплывчатых формулировок: 2
  • 100Входы и предусловия. Входные данные и предусловия перечислены
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 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: 10. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 15 примера фраз-триггеров в кавычках
  • +3Длина description 474 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Есть примеры (20 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (8 из 8)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate Alibaba Cloud Yunxiao DevOps skill, but it needs review because it can automatically install tooling and perform broad live CI/CD, repository, membership, and release changes.
LLM: suspicious (high) · 17 авг. 2026 г.