SKILLEMALL.ai
GitHub ↗ EN Войти

CC code-review-architecture

Использовать при запросе на обзор архитектуры, визуализацию графа зависимостей, анализ связности модулей или обнаружение циклических зависимостей. Автоматически определяет область действия (git diff → PR diff → полный проект). Читает конфигурацию проекта (pyproject.toml, tsconfig.json, go.mod, Cargo.toml) для установления пространства имен модулей внутри проекта перед парсингом импортов. Строит граф зависимостей модулей между Python, TypeScript, JavaScript, Go, Rust и Java. Обнаруживает циклы с помощью вывода graphify или исполняемого скрипта Python. Проверяет соответствие закону Конвея на основе CODEOWNERS и структуры каталогов. Для репозиториев плагинов Claude также отслеживает межъязыковые цепочки: конфигурации хуков → скрипты хуков, документация SKILL.md/agent → скрипты node/uv-run, встроенные зависимости PEP 723 и вызовы инструментов MCP. Выводит диаграммы Mermaid с цветовым кодированием по степени серьезности (красный = циклическая зависимость, желтый = высокая связность, зеленый = чисто, синий = нарушение закона Конвея). Применяет рекурсивное семантическое разделение для графов > 40 узлов. Регистрирует каждую диаграмму как артефакт анализа кодовой базы.

машинный переводПоказать оригиналСкрыть оригинал«Use when a task asks for architecture review, dependency graph visuali…»

Use when a task asks for architecture review, dependency graph visualization, module coupling analysis, or circular dependency detection. Auto-detects scope (git diff → PR diff → full project). Reads project config (pyproject.toml, tsconfig.json, go.mod, Cargo.toml) to establish the intra-project module namespace before parsing imports. Builds a module-dependency graph across Python, TypeScript, JavaScript, Go, Rust, and Java. Detects cycles via graphify output or an executable Python script. Checks Conway's Law alignment against CODEOWNERS and directory structure. For Claude plugin repos, also traces cross-language chains: hook configs → hook scripts, SKILL.md/agent docs → node/uv-run scripts, PEP 723 inline deps, and MCP tool calls. Emits Mermaid flowcharts with severity color-coding (red = circular dep, yellow = high-coupling, green = clean, blue = Conway violation). Applies recursive semantic partitioning for graphs > 40 nodes. Registers each diagram as a codebase-analysis artifact.

Jamie-BitFlight/claude_skills Agent Skills автор: Jamie-BitFlight MIT 1 файл тело ≈ 7 480 токенов Открыть источникgithub.com↗ проанализирован 8 дн назад

Использовать при запросе на обзор архитектуры, визуализацию графа зависимостей, анализ связности модулей или обнаружение циклических зависимостей.

Как процесс C 53/100 · Есть пробелы — Скилл ссылается на файлы, которых нет в архиве: architecture-graph-{slug}.md

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Скилл ссылается на файлы, которых нет в архиве: architecture-graph-{slug}.md
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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

  • предупреждение body-long тело SKILL.md ≈ 7480 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: architecture-graph-{slug}.md

Процессный рейтинг: все десять параметров 53/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: architecture-graph-{slug}.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): architecture-graph-{slug}.md
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 7480 токенов
  • 85Шаги. Шагов: 57, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Ответ описан самодельной разметкой (5 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 1001: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 57 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (22 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.