CC spend-watch
Автономный аналитик облачных расходов для Neon, Vercel, Railway и GitHub Actions — извлекает данные об использовании по объектам, относит их к основным драйверам, определяет первопричины каждой и выдает рекомендации, ранжированные по реальным сигналам (простой %, превышение лимита, частота сбоев) с указанием сумм только там, где API биллинга возвращает реальные значения (и, при наличии полномочий, применяет безопасные рычаги управления затратами).
машинный переводПоказать оригиналСкрыть оригинал«Autonomous cloud-cost analyst across Neon, Vercel, Railway and GitHub…»
Autonomous cloud-cost analyst across Neon, Vercel, Railway and GitHub Actions - pulls per-object usage, attributes it to the biggest drivers, root-causes each, and emits recommendations ranked by real signal (idle %, over-allowance, failure rate) with dollar figures only where the billing API returns real ones (and, armed, applies safe cost levers).
Автономный аналитик облачных расходов для Neon, Vercel, Railway и GitHub Actions — извлекает данные об использовании по объектам, относит их к основным…
Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 6136 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 54/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 25, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 6136 токенов
- 100Шаги. Шагов: 27
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- 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
- +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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 351 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 30 заголовков
- +3Пошаговые инструкции: 27 пунктов
- +4Есть примеры (12 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.