SKILLEMALL.ai
EN Войти

AC copilot-pr-autopilot

Copilot оставил 14 комментариев к обзору в вашем PR — половина из них мелкие замечания. Часы на исправление → ответ → разрешение → повторный запрос, и каждый раунд приносит БОЛЬШЕ комментариев. Этот навык выполняет циклический инжиниринг: автоматически запускает Copilot Code Review через GraphQL (без упоминания @copilot), сортирует все открытые ветки (Copilot, люди, расширенная безопасность) по принципу исправления / отклонения / эскалации, запускает параллельные под-агенты для исправления, которые соблюдают соглашения репозитория по сборке/тестированию/линтингу, фиксируют каждую итерацию, отвечают+разрешают, ссылаясь на отправленный SHA, затем повторно запускают, пока HEAD не будет рассмотрен без открытых ветвей, ожидающих ответа агента (оставшиеся открытые ветки — явная передача человеку — эскалированные отклонения, компромиссы в дизайне). Вы сливаете чистый PR; бот его запускает. Триггерные фразы: "address copilot comments", "run a copilot review loop", "fix this PR", "iterate on copilot feedback". Независимо от репозитория, gh CLI + PowerShell. Полный автопилот требует Triage/Write репозитория; внешние авторы PR получают режим одной итерации плюс ручной повторный запуск (UI 🔄 или существенный коммит).

машинный переводПоказать оригиналСкрыть оригинал«Copilot left 14 review comments on your PR — half are nits. Hours of f…»

Copilot left 14 review comments on your PR — half are nits. Hours of fix → reply → resolve → re-request, and each round lands MORE comments. This skill runs loop engineering: auto-triggers Copilot Code Review via GraphQL (no @copilot mention), triages every open thread (Copilot, humans, advanced-security) with a fix / decline / escalate rubric, dispatches parallel fix sub-agents that obey the repo build/test/lint conventions, commits per iteration, replies+resolves citing the pushed SHA, then re-triggers until HEAD is reviewed with zero threads awaiting the agent's reply (remaining open threads are explicit hand-offs to the human — escalated declines, design tradeoffs). You merge a clean PR; the bot runs it. Trigger phrases: "address copilot comments", "run a copilot review loop", "fix this PR", "iterate on copilot feedback". Repo-agnostic, gh CLI + PowerShell. Full autopilot needs repo Triage/Write; external PR authors get single-iteration mode plus manual re-trigger (UI 🔄 or substantive-commit push).

github/awesome-copilot Agent Skills автор: github MIT 24 файла · 7 скриптов тело ≈ 3 169 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Copilot оставил 14 комментариев к обзору в вашем PR — половина из них мелкие замечания.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

АнализаторGitHubИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: GitHub Copilot / VS Code Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
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: 24. 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 54/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 29, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 37, расплывчатых формулировок: 2
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3169 токенов

    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)
    • +3Длина description 1018: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • -31 из 7 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 37 пунктов
    • +4Справочные файлы упоминаются в инструкциях (12 из 12)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.