SKILLEMALL.ai
GitHub ↗ EN Войти

AD scar-code-review

Ревью кода, которое учится на ошибках. Блоки рефлекторной дуги предотвращают повторение ошибок без вызовов LLM. Комбинирует систематический обзор по контрольному списку (безопасность, производительность, корректность, поддерживаемость) с памятью шрамов — когда ревью пропускает ошибку, записывается шрам, и рефлекторная дуга автоматически помечает похожие шаблоны в следующий раз.

машинный переводПоказать оригиналСкрыть оригинал«Code review that learns from failures. Reflex arc blocks repeat mistak…»

Code review that learns from failures. Reflex arc blocks repeat mistakes without LLM calls. Combines systematic checklist review (security, performance, correctness, maintainability) with scar memory — when a review misses a bug, record a scar, and the reflex arc automatically flags similar patterns next time.

ClawHub Agent Skills автор: aibenyclaude-coder v0.1.0 MIT-0 5 файлов тело ≈ 473 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Ревью кода, которое учится на ошибках.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИнфраструктураИИ и агентытип 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
92/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Секреты в коде secret-password-literal test_scar_code_review.py:81
      Захардкоженный пароль / ключ (возможно, пример) (тестовый файл / пример; в кавычках — упоминание, а не команда)
      lines = ['password = "Supe…123"']
      тестовый файлв кавычках
    • низкая Секреты в коде secret-password-literal test_scar_code_review.py:87
      Захардкоженный пароль / ключ (возможно, пример) (значение-заглушка)
      lines = ['api_key = "sk-1…def"']
      заглушка

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

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "requires"

    Процессный рейтинг: все десять параметров 41/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (scar-code-review) не совпадает с папкой (tetra-scar-code-review)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 6
    • 100Стоимость исполнения. Тело инструкции 473 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 311 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 6 пунктов
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This is a local Python code-review helper whose file reading, local scar storage, and test fixtures match its stated purpose.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.