SKILLEMALL.ai

BD arthas-dashboard

Визуальная панель мониторинга Arthas. Наглядно отображает ключевые метрики JVM, такие как потоки, память, GC, вызовы методов, а также автоматически обнаруживает аномалии, проводит многоуровневую диагностику и предлагает действенные решения. Используйте, когда пользователь говорит «dashboard», «arthas», «jvm 监控», «线程分析», «内存分析», «方法耗时», «CPU 高», «死锁», «GC 分析», «火焰图», «profiler», «方法调用链», «watch 方法», «trace 方法» или при любых других запросах, связанных с диагностикой Arthas.

машинный переводПоказать оригиналСкрыть оригинал«Arthas 监控可视化面板。直观展示 JVM 线程、内存、GC、方法调用等核心指标,并自动检测异常、分级诊断、提供可操作的解决方案。当用户…»

Arthas 监控可视化面板。直观展示 JVM 线程、内存、GC、方法调用等核心指标,并自动检测异常、分级诊断、提供可操作的解决方案。当用户说 "dashboard"、"arthas"、"jvm 监控"、"线程分析"、"内存分析"、"方法耗时"、"CPU 高"、"死锁"、"GC 分析"、"火焰图"、"profiler"、"方法调用链"、"watch 方法"、"trace 方法" 或任何 Arthas 诊断相关需求时使用。

ClawHub Agent Skills автор: johnnyzuo v0.1.0 MIT-0 2 файла тело ≈ 6 605 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Визуальная панель мониторинга Arthas.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 2. 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 ≈ 6605 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 49/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 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
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 70Стоимость исполнения. Тело инструкции 6605 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 45
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 15. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -255 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +3Длина description 212 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 42 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Есть примеры (20 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This JVM diagnostic skill is mostly purpose-aligned, but it can expose environment and runtime data without clear redaction or consent guidance.
LLM: suspicious (medium) · 7 авг. 2026 г.