SKILLEMALL.ai

AC industrial-testcase-generator

Навык генерации стандартизированных тестовых случаев для систем промышленной автоматизации (приложения уровня PLC/SCADA/HMI). Активируется, когда пользователь упоминает следующее: промышленное тестирование, PLC, SCADA, HMI человеко-машинный интерфейс, протоколы Modbus/OPC UA/Profinet, сбор данных, частотные преобразователи/сервоприводы/датчики, системы сигнализации, резервирование/горячее резервирование, промышленная кибербезопасность IEC 62443, функциональная безопасность IEC 61508, тестирование промышленного оборудования, тестирование производственных линий, мониторинг оборудования, удаленное обслуживание и т. д. Входные данные: документ с требованиями (Markdown/PDF/Word/Excel) или описание требований, выходные данные: структурированный файл Excel с тестовыми случаями, сгруппированный по промышленным модулям, с цветовым кодированием приоритетов и строками разделения модулей. Неприменимо для: автомобильной/робототехнической/визуальной областей (используйте соответствующие навыки для этих областей), генерации скриптов автоматизированного тестирования, выполнения тестов.

машинный переводПоказать оригиналСкрыть оригинал«面向工业自动化监控系统(PLC/SCADA/HMI 应用层)领域的标准化测试用例生成技能。 当用户提到以下内容时触发:工业测试、PLC、SC…»

面向工业自动化监控系统(PLC/SCADA/HMI 应用层)领域的标准化测试用例生成技能。 当用户提到以下内容时触发:工业测试、PLC、SCADA、HMI 人机界面、 Modbus/OPC UA/Profinet 协议、数据采集、变频器/伺服/传感器、 报警系统、冗余/热备、工业网络安全 IEC 62443、功能安全 IEC 61508、 工业设备测试、产线测试、设备监控、远程运维等需求的测试用例生成。 输入需求文档(Markdown/PDF/Word/Excel)或需求描述,输出按工业模块分组的、 带优先级着色与模块分隔行的结构化 Excel 测试用例文件。 不适用于:车载/机器人/视觉领域(请使用对应领域技能)、自动化测试脚本生成、测试执行。

ClawHub Agent Skills автор: kokxi v1.2.0 MIT-0 6 файлов тело ≈ 2 752 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык генерации стандартизированных тестовых случаев для систем промышленной автоматизации (приложения уровня PLC/SCADA/HMI).

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторExcelДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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.
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: 6. 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")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 57
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2752 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +2Инструкции на одном языке
  • +3Длина description 327 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 57 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill is a disclosed industrial test-case generator that reads user-provided requirements and creates an Excel test-case workbook.
LLM: benign (high) · VirusTotal: · 1 сент. 2026 г.