SKILLEMALL.ai
GitHub ↗ EN Войти

AB software-architecture-design

Создает полный документ с архитектурой программного обеспечения по 12-этапной стандартной операционной процедуре. Поддерживает веб-серверы, мобильные приложения, ML/AI, конвейеры данных, встраиваемые системы/IoT. Генерирует диаграммы Mermaid и PlantUML. Используйте, когда вас попросят разработать архитектуру, спроектировать систему, создать техническое решение или когда пользователь говорит: 做架构设计 系统设计 技术方案 架构文档.

машинный переводПоказать оригиналСкрыть оригинал«Produces a complete software architecture design document following a…»

Produces a complete software architecture design document following a 12-phase SOP. Supports web backend, mobile, ML/AI, data pipeline, embedded/IoT. Generates Mermaid and PlantUML diagrams. Use when asked to do architecture design, system design, technical design, or says: 做架构设计 系统设计 技术方案 架构文档.

ClawHub Agent Skills автор: 1231111 v1.1.0 MIT-0 10 файлов тело ≈ 1 858 токенов Открыть источникclawhub.ai↗ проанализирован 23 ч назад

Создает полный документ с архитектурой программного обеспечения по 12-этапной стандартной операционной процедуре.

Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

ГенераторДизайнИИ и агентыДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 10. 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 68/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 56
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1858 токенов
    • low Разделов верхнего уровня: 16. 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)
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +3Длина description 296 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 56 пунктов
    • +3Формат ответа описан явно
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only architecture-design skill, with one privacy caution around ML logging guidance but no evidence of hidden execution or data access.
    LLM: benign (high) · VirusTotal: · 28 мая 2026 г.