SKILLEMALL.ai
EN Войти

BC gitlab-agent

Operate assigned GitLab work with owner-verified project access and guarded MR delivery.

ClawHub Agent Skills v1.85.1 7 файлов · 5 скриптов тело ≈ 5 573 токенов открыть источник ↗ проанализирован 35 ч назад

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ИнтеграцияGitLabИнфраструктураИИ и агентытип 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
80/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
51
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Результат и критерий готовности вес 14
40
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: gitlab-agent (ClawHub)

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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

Lint

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 5573 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение spec-missing нет spec.yaml: контракт поведения не задан (skilltest init создаст шаблон)
  • предупреждение triggers-missing в spec.yaml нет triggers.positive: срабатывание скилла не тестируется
  • предупреждение evals-missing нет evals/evals.json: поведение не тестируется (skilltest init создаст шаблон)

Процессный рейтинг: все десять параметров 59/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 40Согласованность. Имя во frontmatter (gitlab-agent) не совпадает с папкой (xrowgmbh-gitlab-agent)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, web, git), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5573 токенов
  • 85Шаги. Шагов: 95, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 16, есть раздел про ошибки
  • 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: 11. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (6 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)
  • +3Длина description 88: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -5В тексте остались TODO / заглушки
  • -32 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 36 заголовков
  • +3Пошаговые инструкции: 95 пунктов
  • +4Есть примеры (30 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 51.

Внешние проверки

ClawHub: suspicious
This GitLab automation skill is not clearly malicious, but it gives an agent broad recurring authority to change GitLab projects without fresh user approval.
LLM: suspicious (high)