SKILLEMALL.ai

AF llm-artifacts-detection

Обнаруживает распространенные артефакты LLM-кодирующих агентов в кодовых базах. Определяет проблемы с качеством тестов, мертвый код, избыточную абстракцию и избыточные шаблоны стиля LLM. Используйте при очистке кода, сгенерированного ИИ, или при проверке на наличие мусора, введенного агентом.

машинный переводПоказать оригиналСкрыть оригинал«Detects common LLM coding agent artifacts in codebases. Identifies tes…»

Detects common LLM coding agent artifacts in codebases. Identifies test quality issues, dead code, over-abstraction, and verbose LLM style patterns. Use when cleaning up AI-generated code or reviewing for agent-introduced cruft.

ClawHub Agent Skills автор: Kevin Anderson v1.0.0 MIT-0 6 файлов тело ≈ 1 584 токенов Открыть источникclawhub.ai проанализирован 23 ч назад

Обнаруживает распространенные артефакты LLM-кодирующих агентов в кодовых базах.

Как процесс F 41/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: ../review-verification-protocol/SKILL.md

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
F
41/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: ../review-verification-protocol/SKILL.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: ../review-verification-protocol/SKILL.md
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 56, 58): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 41/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../review-verification-protocol/SKILL.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): ../review-verification-protocol/SKILL.md
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 55Ошибки и развилки. Развилок: 1
  • 100Шаги. Шагов: 11
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1584 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
  • -5В тексте остались TODO / заглушки
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 228 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a code-review guidance skill that reads a codebase to flag AI-generated quality issues, with no executable code or hidden data handling.
LLM: benign (high) · VirusTotal: · 1 июн. 2026 г.