SKILLEMALL.ai

AD Project Context Guide

Этот навык следует использовать, когда пользователям необходимо понять структуру кодовой базы, отследить решения в коде, проанализировать зависимости и влияние кода, определить сопровождающих код или получить контекстную информацию для обзоров кода. Он особенно ценен для адаптации новых членов команды, понимания устаревшего кода, прогнозирования влияния изменений кода и понимания проектных решений. Навык обеспечивает интеллектуальный анализ кода, отслеживание истории Git, отслеживание владения и аналитику командного взаимодействия, чтобы сделать сложные кодовые базы прозрачными и понятными.

машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when users need to understand codebase struc…»

This skill should be used when users need to understand codebase structure, trace code decisions, analyze code dependencies and impact, identify code maintainers, or get contextual information for code reviews. It is particularly valuable for onboarding new team members, understanding legacy code, predicting code change impacts, and comprehending design decisions. The skill provides intelligent code analysis, Git history tracing, ownership tracking, and team collaboration insights to make complex codebases transparent and understandable.

ClawHub Agent Skills автор: TeamoPlum v1.0.2 MIT-0 9 файлов тело ≈ 783 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Этот навык следует использовать, когда пользователям необходимо понять структуру кодовой базы, отследить решения в коде, проанализировать зависимости и…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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

    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: 9. 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)

    Процессный рейтинг: все десять параметров 41/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (Project Context Guide) не совпадает с папкой (project-context-guide)
    • 60Инструменты и файлы. Используются инструменты (git), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 85
    • 100Стоимость исполнения. Тело инструкции 783 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +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
    • +3Длина description 543 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 31 заголовков
    • +3Пошаговые инструкции: 85 пунктов
    • +4Есть примеры (4 блоков кода)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: suspicious
    This skill is a local codebase analysis helper, but it also profiles contributor activity and describes broad integrations and learning behavior without clear user controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.