SKILLEMALL.ai

AC code-reviewer

Автоматизированный обзор кода для pull-запросов и фрагментов кода. Анализирует качество кода, уязвимости безопасности, проблемы производительности и лучшие практики для Python, JavaScript/TypeScript, Java, Go, Rust и Shell скриптов. Используйте, когда пользователь хочет: (1) Проверить PR перед слиянием, (2) Проверить фрагмент кода на наличие ошибок или антипаттернов, (3) Получить аудит безопасности изменений кода, (4) Улучшить качество кода с помощью действенных предложений, (5) Обеспечить соответствие руководствам по стилю проекта. Лучше всего подходит для разработчиков, команд, желающих автоматизировать предварительные обзоры перед слиянием, и всех, кто хочет получить второй взгляд на свой код.

машинный переводПоказать оригиналСкрыть оригинал«Automated code review for pull requests and code snippets. Analyzes co…»

Automated code review for pull requests and code snippets. Analyzes code quality, security vulnerabilities, performance issues, and best practices across Python, JavaScript/TypeScript, Java, Go, Rust, and Shell scripts. Use when the user wants to: (1) Review a PR before merging, (2) Check a code snippet for bugs or anti-patterns, (3) Get security audit of code changes, (4) Improve code quality with actionable suggestions, (5) Ensure consistency with project style guides. Best for developers, teams wanting automated pre-merge reviews, and anyone who wants a second pair of eyes on their code.

ClawHub Agent Skills автор: ericlooi504 v1.0.0 MIT-0 2 файла тело ≈ 1 183 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматизированный обзор кода для pull-запросов и фрагментов кода.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторРазработкатип 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
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (code-reviewer) не совпадает с папкой (eric-code-reviewer)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 48
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Стоимость исполнения. Тело инструкции 1183 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 597 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 48 пунктов
    • +4Есть примеры (1 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This is a straightforward code-review skill that asks the agent to inspect user-supplied code, diffs, or PRs without hidden install steps or persistence.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.