SKILLEMALL.ai

AC smart-commit

Анализируйте подготовленные изменения git и генерируйте высококачественные сообщения коммитов в формате Conventional Commits. Используйте, когда: (1) пользователь просит закоммитить изменения, (2) пользователь хочет сгенерировать сообщение коммита, (3) пользователь говорит 'smart commit' или 'auto commit', (4) пользователь просит описать подготовленные изменения. Поддерживает типы feat/fix/refactor/docs/chore/test/style/perf/ci/build с необязательной областью действия и обнаружением критических изменений.

машинный переводПоказать оригиналСкрыть оригинал«Analyze staged git changes and generate high-quality commit messages f…»

Analyze staged git changes and generate high-quality commit messages following Conventional Commits format. Use when: (1) user asks to commit changes, (2) user wants a commit message generated, (3) user says 'smart commit' or 'auto commit', (4) user asks to describe staged changes. Supports feat/fix/refactor/docs/chore/test/style/perf/ci/build types with optional scope and breaking change detection.

ClawHub Agent Skills автор: wusuiling-if v1.0.0 MIT-0 2 файла тело ≈ 853 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализируйте подготовленные изменения git и генерируйте высококачественные сообщения коммитов в формате Conventional Commits.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (smart-commit) не совпадает с папкой (git-smart-commit)
    • 60Инструменты и файлы. Используются инструменты (bash, git), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 24
    • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 853 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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 402 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This appears to be a commit-assistance skill whose diff-reading behavior is expected for its purpose, with no evidence of hidden persistence or automatic commits.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.