SKILLEMALL.ai

BC qa-gate-gcp

Предпроизводственный шлюз валидации для стека GCP (Cloud Run/Functions/App Engine, Firestore/Cloud SQL, Firebase Auth/Identity Platform) — генерирует планы тестирования, выполняет наборы тестов, проверяет API, пользовательский интерфейс, уведомления, качество вывода LLM и создает отчеты о готовности.

машинный переводПоказать оригиналСкрыть оригинал«Pre-production validation gate for GCP stack (Cloud Run/Functions/App…»

Pre-production validation gate for GCP stack (Cloud Run/Functions/App Engine, Firestore/Cloud SQL, Firebase Auth/Identity Platform) — generates test plans, executes test suites, validates APIs, UI, toasts, LLM output quality, and produces go/no-go reports

ClawHub Agent Skills автор: Guilherme Favaron v0.1.1 MIT-0 4 файла тело ≈ 8 467 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Предпроизводственный шлюз валидации для стека GCP (Cloud Run/Functions/App Engine, Firestore/Cloud SQL, Firebase Auth/Identity Platform) — генерирует планы…

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

АнализаторGoogle CloudFirebaseИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
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
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 8467 токенов (рекомендуется < 5000); вынесите детали в references/

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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8467 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 55Ошибки и развилки. Развилок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 48
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле

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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 255 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +4Есть примеры (18 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: clean
This skill is a disclosed GCP pre-production QA validator, but it should be used only against staging or disposable environments because it can run tests, use cloud credentials, and send LLM samples to OpenRouter.
LLM: benign (high) · VirusTotal: suspicious · 28 мая 2026 г.