BD sonarqube-review
Используйте для автоматического исправления проблем качества кода SonarQube на любом языке или фреймворке — анализ проблем, генерация исправлений, модульные тесты и покрытие. Поддерживает Community, Enterprise и пользовательские развёртывания SonarQube через переменные среды. НЕ используйте для общего обзора кода без SonarQube (используйте code-review-and-quality), для вмешательств в качество всего репозитория без SonarQube (используйте quality-test-implementation) или для инструментов статического анализа, не относящихся к SonarQube. Часть коллекции afonsoft/skills.
машинный переводПоказать оригиналСкрыть оригинал«Use when fixing SonarQube code quality issues automatically across any…»
Use when fixing SonarQube code quality issues automatically across any language or framework — issue analysis, fix generation, unit tests, and coverage. Supports Community, Enterprise, and custom SonarQube deployments via environment variables. Do NOT use for general code review without SonarQube (use code-review-and-quality), for whole-repo quality interventions without SonarQube (use quality-test-implementation), or for non-SonarQube static analysis tools. Part of the afonsoft/skills collection.
Используйте для автоматического исправления проблем качества кода SonarQube на любом языке или фреймворке — анализ проблем, генерация исправлений, модульные…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 26. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 6189 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 18, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 60Шаги. Шагов: 151, расплывчатых формулировок: 8
- 70Стоимость исполнения. Тело инструкции 6189 токенов
- 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 20. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (4 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
- +3Формат ответа не описан: модель каждый раз решает сама
- -5В тексте остались TODO / заглушки
- -244 эмодзи в инструкциях: шум для модели
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 502 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 69 заголовков
- +3Пошаговые инструкции: 151 пунктов
- +4Есть примеры (19 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.