SKILLEMALL.ai
GitHub ↗ EN Войти

BB cloudflare-workers-architect

Комплексное проектирование решений Cloudflare Workers — выбор подходящего уровня среды выполнения (Workers, Pages, Durable Objects, Workers AI), подходящего хранилища (KV, D1, R2, Durable Object Storage, Hyperdrive), подходящей модели состояния (одиночные DO, шардированные DO, спящие WebSockets, RPC-связанные службы) и подходящих ограничений (время ЦП, реальное время, количество подзапросов, размер запроса). Охватывает многокомпонентные загрузки R2, конвейеры на основе Queues, Cron Triggers, Tail Workers, Smart Placement, выбор моделей Workers AI, эмбеддинги Vectorize, Hyperdrive для устаревших Postgres/MySQL и планы миграции с Lambda@Edge, Vercel Edge, Deno Deploy и AWS API Gateway. Триггеры по запросам: "cloudflare workers", "cloudflare pages", "durable objects", "workers kv", "d1 database", "r2 storage", "cloudflare queues", "vectorize", "workers ai", "hyperdrive", "smart placement", "tail worker", "cron triggers", "rpc bindings", "wrangler", "service bindings", "edge function", "lambda@edge migration", "vercel edge migration", "deno deploy migration".

машинный переводПоказать оригиналСкрыть оригинал«Design Cloudflare Workers solutions end-to-end — pick the right runtim…»

Design Cloudflare Workers solutions end-to-end — pick the right runtime tier (Workers vs Pages vs Durable Objects vs Workers AI), the right storage (KV vs D1 vs R2 vs Durable Object Storage vs Hyperdrive), the right state pattern (singleton DOs, sharded DOs, hibernating WebSockets, RPC-bound services), and the right limits (CPU time, wall time, subrequest count, request size). Covers R2 multipart uploads, Queues-backed pipelines, Cron Triggers, Tail Workers, Smart Placement, Workers AI model selection, Vectorize embeddings, Hyperdrive for legacy Postgres/MySQL, and migration playbooks from Lambda@Edge, Vercel Edge, Deno Deploy, and AWS API Gateway. Triggers on "cloudflare workers", "cloudflare pages", "durable objects", "workers kv", "d1 database", "r2 storage", "cloudflare queues", "vectorize", "workers ai", "hyperdrive", "smart placement", "tail worker", "cron triggers", "rpc bindings", "wrangler", "service bindings", "edge function", "lambda@edge migration", "vercel edge migration", "deno deploy migration".

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 3 файла тело ≈ 5 376 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Комплексное проектирование решений Cloudflare Workers — выбор подходящего уровня среды выполнения (Workers, Pages, Durable Objects, Workers AI), подходящего…

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности

ПроцедураPostgreSQLCloudflareMySQLAWSИнфраструктуратип 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
76/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
39
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
50
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Сократите description до 1024 символов.
  3. 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1025 символов, лимит 1024
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 5376 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 75, 93, 277, 384): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 66/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5376 токенов
  • 85Шаги. Шагов: 106, расплывчатых формулировок: 2
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
  • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели

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 1025: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 20 примера фраз-триггеров в кавычках
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 106 пунктов
  • +4Есть примеры (12 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 39.