SKILLEMALL.ai

AC dr-checkpoint-implementation

Направляйте Codex при выполнении сложных или рискованных в продакшене задач небольшими проверенными этапами. Используйте, когда пользователь запрашивает поэтапное внедрение, проверку шагов перед продолжением, теневой/сухой прогон развертывания, оповещения, cron, конвейер данных, мониторинг, интеграцию, отчетность, операционные инструменты или задачи, требования к которым могут меняться после проверки реального кода, API, тестов или данных. Избегайте использования для мелких исправлений в одном файле, чистого мозгового штурма или быстрых прямых изменений.

машинный переводПоказать оригиналСкрыть оригинал«Guide Codex through complex or production-risk implementation work in…»

Guide Codex through complex or production-risk implementation work in small validated checkpoints. Use when a user asks for staged implementation, step review before proceeding, shadow/dry-run rollout, alerting, cron, data pipeline, monitoring, integration, reporting, operational tooling, or tasks where requirements may evolve after inspecting real code, APIs, tests, or data. Avoid for small one-file fixes, pure brainstorming, or quick direct changes.

ClawHub Agent Skills автор: Daniel Refahi v1.0.0 MIT-0 3 файла тело ≈ 873 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Направляйте Codex при выполнении сложных или рискованных в продакшене задач небольшими проверенными этапами.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Ошибки и развилки вес 10
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: 3. 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 62/100

    • 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
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 32
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 873 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 455 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed workflow guide for breaking risky implementation work into validated checkpoints, with no hidden execution, data access, or network behavior.
    LLM: benign (high) · VirusTotal: · 25 июн. 2026 г.