SKILLEMALL.ai
EN Войти

AC vardoger-analyze

Используйте, когда пользователь просит персонализировать CLI-ассистента GitHub Copilot, адаптировать Copilot к своему стилю, использовать vardoger или анализировать историю разговоров Copilot CLI. Читает локальный каталог сеансов в `~/.copilot/session-state/`, извлекает повторяющиеся предпочтения и соглашения и записывает блок персонализации в кавычках в `~/.copilot/copilot-instructions.md`. Работает полностью на машине пользователя через локальный CLI `vardoger` (`pipx install vardoger`); без сетевых вызовов и загрузок. Триггеры: «персонализировать моего copilot», «анализировать мою историю copilot», «адаптировать copilot ко мне», «запустить vardoger», «обновить мои инструкции copilot из истории», «заставить copilot изучить мой стиль».

машинный переводПоказать оригиналСкрыть оригинал«Use when the user asks to personalize the GitHub Copilot CLI assistant…»

Use when the user asks to personalize the GitHub Copilot CLI assistant, adapt Copilot to their style, use vardoger, or analyze their Copilot CLI conversation history. Reads the local session directory at `~/.copilot/session-state/`, extracts recurring preferences and conventions, and writes a fenced personalization block into `~/.copilot/copilot-instructions.md`. Runs entirely on the user's machine via the local `vardoger` CLI (`pipx install vardoger`); no network calls and no uploads. Triggers: 'personalize my copilot', 'analyze my copilot history', 'tailor copilot to me', 'run vardoger', 'update my copilot instructions from history', 'make copilot learn my style'.

github/awesome-copilot Agent Skills автор: github MIT 1 файл тело ≈ 1 223 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Используйте, когда пользователь просит персонализировать CLI-ассистента GitHub Copilot, адаптировать Copilot к своему стилю, использовать vardoger или…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

ИнтеграцияGitHubИИ и агентыТексты и документыДанные и аналитикатип 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
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
55
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: 1. 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 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 14, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1223 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +2Инструкции на одном языке
    • +3Длина description 674 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (6 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.