SKILLEMALL.ai
GitHub ↗ EN Войти

AA production-audit

Аудит готовности к производству локальных данных для выпущенных приложений, предстартовые обзоры, проверки после слияния и вопросы «что ломается в продакшене?» без отправки данных репозитория во внешнюю службу аудита. Используйте при аудите готовности к производству перед запуском, после слияния или когда спрашивают, что ломается в продакшене.

машинный переводПоказать оригиналСкрыть оригинал«Local-evidence production readiness audit for shipped apps, pre-launch…»

Local-evidence production readiness audit for shipped apps, pre-launch reviews, post-merge checks, and "what breaks in prod?" questions without sending repo data to an external audit service. Use when auditing production readiness before launch, after a merge, or when asked what breaks in prod.

affaan-m/everything-claude-code Agent Skills автор: affaan-m MIT 1 файл тело ≈ 1 840 токенов Открыть источникgithub.com↗ проанализирован 20 ч назад

Аудит готовности к производству локальных данных для выпущенных приложений, предстартовые обзоры, проверки после слияния и вопросы «что ломается в…

Как процесс A 80/100 · Дойдёт до конца — слабые места: входы и предусловия

АнализаторИнфраструктураТорговлятип 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
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
A
80/100
Дойдёт до конца
Входы и предусловия вес 11
0
Результат и критерий готовности вес 14
60
Когда включается вес 12
70
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: everything-claude-code

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 80/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 62
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1840 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 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 Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 295 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 62 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.