SKILLEMALL.ai
GitHub ↗ EN Войти

BC dyagil-oganim-deploy

Разрабатывайте, развертывайте и проверяйте изменения в проекте Vercel + Supabase (маркетинговый сайт, CRM и портал клиента). Используйте, когда вашему агенту нужно внести изменение в код, безопасно выполнить миграции Supabase, правильно очистить кеш CDN, проверить развертывание с помощью headless Playwright или применить стандартные исправления для известных ошибок (несоответствие классов модальных окон, дублирование профилей, проблемы с RLS, перенаправления magic-link, наложение FAB).

машинный переводПоказать оригиналСкрыть оригинал«Develop, deploy, and verify changes to a Vercel + Supabase project (ma…»

Develop, deploy, and verify changes to a Vercel + Supabase project (marketing site, CRM, and customer portal). Use whenever your agent needs to ship a code change, run Supabase migrations safely, cache-bust the CDN correctly, verify the deploy with headless Playwright, or apply canonical fixes for known bugs (modal class mismatch, profile duplication, RLS holes, magic-link redirects, FAB stacking).

ClawHub Agent Skills автор: dyagil v1.0.0 MIT-0 5 файлов · 1 скрипт тело ≈ 1 999 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Разрабатывайте, развертывайте и проверяйте изменения в проекте Vercel + Supabase (маркетинговый сайт, CRM и портал клиента).

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторSupabasePlaywrightИнфраструктуратип 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
B
85/100
безопасность, качество, тесты
Безопасность 60%
85
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • средняя Утечка данных net-credential-use references/playwright-recipes.md:35
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      const gen = await fetch(`${cred.SUPABASE_URL}/auth/v1/admin/generate_link`, {
    • средняя Утечка данных net-credential-use references/playwright-recipes.md:142
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      await fetch(`${cred.SUPABASE_URL}/auth/v1/admin/users/${USER_ID}`, {
    • средняя Утечка данных net-credential-use references/playwright-recipes.md:155
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      await fetch(`${cred.SUPABASE_URL}/auth/v1/admin/users/${USER_ID}`, {

    Просканировано файлов: 5. 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 63/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 19
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1999 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

    • +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
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 401 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: suspicious
    This deployment skill is coherent, but it gives an agent broad live-production powers over deploys, databases, admin login, and customer accounts without enough guardrails.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.