SKILLEMALL.ai

AB ai-architecture-harness

Создание и использование архитектурных ограждений для кодирования с помощью ИИ, чтобы предотвратить коллапс архитектуры, регрессию функций и дрейф в течение долгих многошаговых итераций. Используйте, когда пользователь упоминает AI-кодирование, Agent coding, коллапс архитектуры, Harness Engineering, намерение проектирования, правила приемки, золотые правила, архитектурные тесты или хочет сделать кодовую базу более безопасной для модификаций AI Agent.

машинный переводПоказать оригиналСкрыть оригинал«Establish and use architectural guardrails for AI-assisted coding to p…»

Establish and use architectural guardrails for AI-assisted coding to prevent architecture collapse, feature regression, and drift across long multi-turn iterations. Use when the user mentions AI coding, Agent coding, architecture collapse, Harness Engineering, design intent, acceptance rules, golden rules, architecture tests, or wants the codebase to be safer for AI Agent modifications.

ClawHub Agent Skills автор: hgvgfgvh v1.0.0 MIT-0 2 файла тело ≈ 1 860 токенов Открыть источникclawhub.ai↗ проанализирован 14 дн назад

Создание и использование архитектурных ограждений для кодирования с помощью ИИ, чтобы предотвратить коллапс архитектуры, регрессию функций и дрейф в течение…

Как процесс B 74/100 · Почти готов — слабые места: ошибки и развилки, согласованность, повторный запуск

ПроцедураРазработкатип 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
B
74/100
Почти готов
Ошибки и развилки вес 10
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 74/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (ai-architecture-harness) не совпадает с папкой (ai-architecture-harness-en)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 49
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Стоимость исполнения. Тело инструкции 1860 токенов
    • low Разделов верхнего уровня: 11. 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 389 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 49 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This skill is a markdown-only architecture guardrail guide with no hidden execution, network access, credential handling, or persistence outside project documentation and tests.
    LLM: benign (high) · 16 сент. 2026 г.