SKILLEMALL.ai
GitHub ↗ EN Войти

AC doc-drift-detector

Обнаруживает расхождения документации с изменениями кода, оценивает устаревание, проверяет документацию API путем парсинга AST и целостность ссылок. Используйте, когда документация перестает соответствовать коду, при подготовке релизов, запуске CI-проверок документации или проверке точности документации.

машинный переводПоказать оригиналСкрыть оригинал«Detect documentation drift against code changes, score staleness, vali…»

Detect documentation drift against code changes, score staleness, validate API docs via AST parsing, and audit link integrity. Use when docs fall out of sync with code, preparing releases, running CI doc gates, or auditing doc accuracy.

borghei/Claude-Skills Agent Skills автор: borghei 11 файлов · 4 скрипта тело ≈ 2 169 токенов Открыть источникgithub.com↗ проанализирован 8 ч назад

Обнаруживает расхождения документации с изменениями кода, оценивает устаревание, проверяет документацию API путем парсинга AST и целостность ссылок.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubРазработкаТексты и документытип 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
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

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: 11. 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 55/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (git, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 34
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2169 токенов
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (9 тегов): типизированный вызов надёжнее

    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
    • +2Инструкции на одном языке
    • +3Длина description 236 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)
    • +3Все 4 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.