SKILLEMALL.ai
GitHub ↗ EN Войти

CD continuous-learning

Автоматически извлекайте повторяющиеся шаблоны из сессий Claude Code и сохраняйте их как обученные навыки для будущего использования.

машинный переводПоказать оригиналСкрыть оригинал«Claude Code 세션에서 재사용 가능한 패턴을 자동으로 추출하여 향후 사용을 위한 학습된 스킬로 저장합니다.…»

Claude Code 세션에서 재사용 가능한 패턴을 자동으로 추출하여 향후 사용을 위한 학습된 스킬로 저장합니다.

affaan-m/everything-claude-code Agent Skills автор: affaan-m MIT 1 файл тело ≈ 730 токенов Открыть источникgithub.com↗ проанализирован 21 ч назад

Автоматически извлекайте повторяющиеся шаблоны из сессий Claude Code и сохраняйте их как обученные навыки для будущего использования.

Как процесс D 35/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: ../../../continuous-learning-v2-spec.md

ПроцедураРазработкаИИ и агентытип 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
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
62
Прогон на моделях
не было
Процессный рейтинг
D
35/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: ../../../continuous-learning-v2-spec.md
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: 1. 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: ../../../continuous-learning-v2-spec.md
  • заметка frontmatter-key неизвестное поле фронтматтера "origin"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../../../continuous-learning-v2-spec.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): ../../../continuous-learning-v2-spec.md
  • 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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 730 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 63: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.