SKILLEMALL.ai
GitHub ↗ EN Войти

CB orchestrator

Центральная точка входа для агента afonsoft. Используйте при запуске нового проекта, возобновлении существующего, планировании функций/эпиков/релизов или выполнении любой многоэтапной работы, управляемой агентом. Проверяет и согласовывает SPECs (SDD), аудирует кодовую базу и инструментарий на предмет пробелов (безопасность, архитектура, производительность, гигиена), предлагает улучшения, разбивает работу на GitHub Issues, делегирует реализацию/QA/обзор специализированным навыкам и повторно проверяет все до завершения. Также используйте для проверки неутвержденных SPECs, согласования открытых GitHub Issues с кодом или выполнения окончательной проверки на пробелы перед закрытием релиза.

машинный переводПоказать оригиналСкрыть оригинал«Central entry point of the afonsoft agent harness. Use when starting a…»

Central entry point of the afonsoft agent harness. Use when starting a new project, resuming an existing one, planning features/Epics/releases, or running any multi-step agent-driven work. Validates and reconciles SPECs (SDD), audits the codebase and harness for gaps (security, architecture, performance, hygiene), proposes improvements, fragments work into GitHub Issues, delegates implementation/QA/review to specialized skills, and re-validates everything until delivery. Also use to review unapproved SPECs, reconcile open GitHub Issues with code, or run a final gap check before closing a release.

ClawHub Agent Skills автор: Afonso Dutra Nogueira Filho v1.0.25 MIT-0 5 файлов тело ≈ 8 599 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

Центральная точка входа для агента afonsoft.

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, стоимость исполнения

АнализаторGitHubРазработкаИИ и агентыФинансытип 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
C
88/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
30
Результат и критерий готовности вес 14
40
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2

✓ Guard не нашёл подозрительного поведения. 2 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 8599 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 62, 67, 71, 75, 552): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 65/100

  • 30Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 40Стоимость исполнения. Тело инструкции 8599 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 192, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 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: 16. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (3 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
  • -5В тексте остались TODO / заглушки
  • +2Инструкции на одном языке
  • +3Длина description 603 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 192 пунктов
  • +4Есть примеры (13 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: suspicious
The skill is not clearly malicious, but it grants broad autonomous control over repository and GitHub workflows while persisting state across sessions and using inconsistent approval boundaries.
LLM: suspicious (high) · 23 сент. 2026 г.