SKILLEMALL.ai
GitHub ↗ EN Войти

BF github-finder

Специализируется на предложении репозиториев с открытым исходным кодом на GitHub на основе пользовательской формулы.

машинный переводПоказать оригиналСкрыть оригинал«Specializes in suggesting open source repositories on GitHub based on…»

Specializes in suggesting open source repositories on GitHub based on a custom formula.

Lord1Egypt/RA-Skills Agent Skills автор: Lord1Egypt 2 файла тело ≈ 1 122 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Специализируется на предложении репозиториев с открытым исходным кодом на GitHub на основе пользовательской формулы.

Как процесс F 30/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: {GITHUB_LINK}

ПроцедураGitHubРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Hermes Agent Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
57
Прогон на моделях
не было
Процессный рейтинг
F
30/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: {GITHUB_LINK}
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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. 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: {GITHUB_LINK}
  • заметка frontmatter-key неизвестное поле фронтматтера "source"
  • заметка frontmatter-key неизвестное поле фронтматтера "compatible"

Процессный рейтинг: все десять параметров 30/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: {GITHUB_LINK}
  • 0Инструменты и файлы. Не хватает 1 файла(ов): {GITHUB_LINK}
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (github-finder) не совпадает с папкой (lobehub_github-finder)
  • 100Шаги. Шагов: 30
  • 100Стоимость исполнения. Тело инструкции 1122 токенов
  • 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)
  • +3Длина description 87: рекомендуется 120–800 символов
  • +4Структура: 1 заголовков, инструкции сложно сканировать
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Пошаговые инструкции: 30 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.