SKILLEMALL.ai

AB data-pipeline-design-review

Используйте, когда инженеру данных нужен структурированный обзор дизайна предлагаемого конвейера данных, потока ETL/ELT или модели dbt/SQL перед его выпуском. Предоставляет оценки серьезности находок по корректности, идемпотентности, качеству данных, эволюции схемы, наблюдаемости и стоимости, а также контрольный список исправлений и рекомендацию «go/no-go».

машинный переводПоказать оригиналСкрыть оригинал«Use when a data engineer needs a structured design review of a propose…»

Use when a data engineer needs a structured design review of a proposed data pipeline, ETL/ELT flow, or dbt/SQL model before it ships. Produces severity-rated findings across correctness, idempotency, data quality, schema evolution, observability, and cost, plus a remediation checklist and a go/no-go recommendation.

ClawHub Agent Skills автор: devasher v0.1.3 MIT-0 4 файла тело ≈ 1 159 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Предоставляет оценки серьезности находок по корректности, идемпотентности, качеству данных, эволюции схемы, наблюдаемости и стоимости, а также контрольный…

Как процесс B 72/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 4. 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 72/100

    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 29
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1159 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a markdown-only review skill that helps assess data pipeline designs and does not add code, persistence, or broad system access.
    LLM: benign (high) · VirusTotal: · 28 мая 2026 г.