SKILLEMALL.ai

AB cm-dbt-model-auditor

Аудит проектов dbt (data build tool) на предмет качества моделей, покрытия тестами, полноты документации, производительности и соответствия лучшим практикам. Проверяет соглашения об именовании, использование ref/source, стратегию материализации, структуру DAG и контракты моделей. Используйте при запросе аудита проекта dbt, обзора моделей dbt, проверки покрытия тестами dbt, проверки документации dbt, оценки производительности моделей dbt, проверки лучших практик dbt или обзора качества моделей данных. Триггеры: «dbt audit», «dbt review», «dbt model», «dbt quality», «dbt test coverage», «dbt documentation», «dbt best practices», «dbt lint», «data model audit», «dbt project review», «dbt health check».

машинный переводПоказать оригиналСкрыть оригинал«Audit dbt (data build tool) projects for model quality, test coverage,…»

Audit dbt (data build tool) projects for model quality, test coverage, documentation completeness, performance, and adherence to best practices. Checks naming conventions, ref/source usage, materialization strategy, DAG structure, and model contracts. Use when asked to audit a dbt project, review dbt models, check dbt test coverage, validate dbt documentation, assess dbt model performance, check dbt best practices, or review data model quality. Triggers on "dbt audit", "dbt review", "dbt model", "dbt quality", "dbt test coverage", "dbt documentation", "dbt best practices", "dbt lint", "data model audit", "dbt project review", "dbt health check".

ClawHub Agent Skills автор: charlie-morrison v1.0.0 MIT-0 2 файла тело ≈ 3 469 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Аудит проектов dbt (data build tool) на предмет качества моделей, покрытия тестами, полноты документации, производительности и соответствия лучшим практикам.

Как процесс B 65/100 · Почти готов — слабые места: входы и предусловия, согласованность, повторный запуск

АнализаторТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 2. 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 65/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (cm-dbt-model-auditor) не совпадает с папкой (dbt-model-auditor)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 49
    • 100Стоимость исполнения. Тело инструкции 3469 токенов
    • low Ответ описан самодельной разметкой (5 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 11 примера фраз-триггеров в кавычках
    • +3Длина description 653 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 49 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (13 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: suspicious
    The skill is a coherent dbt audit helper, but it tells the agent to read a dbt profiles file that can contain warehouse credentials without clear consent or redaction steps.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.