SKILLEMALL.ai

BC cross-branch-audit

Универсальный инструмент аудита миграции между ветками. Когда пользователям нужно перенести модуль или конкретную функцию из одной ветки в другую, используйте этот навык для предварительного аудита миграции. Поддерживает три режима ввода: (1) Режим пути к модулю — анализирует все коммиты в указанном каталоге; (2) Режим функции — находит коммиты, связанные с функцией, по ключевым словам/спискам коммитов/временному диапазону + автору; (3) Гибридный режим — путь к модулю + ключевые слова функции. Автоматически идентифицирует коммиты, затрагивающие внешние файлы, определяет типы зависимостей (сильные/слабые/ресурсные/транзитивные), оценивает четырех уровневый риск конфликта (🟢🟡🔴⚫) и генерирует интерактивный HTML-отчет аудита с панелью оповещения о критическом риске. Также поддерживает инкрементальный аудит во время миграции (быстрая диагностика ошибок компиляции) и предоставляет контрольный список после cherry-pick. Применим к проектам любого языка и фреймворка. Ключевые слова: аудит между ветками, анализ миграции модуля, анализ зависимостей коммитов, аудит миграции, миграция между ветками, миграция модуля, миграция ветки, миграция функции, анализ cherry-pick, аудит функции, ошибка компиляции при миграции, анализ конфликтов миграции, 跨分支审计, 模块迁移分析, commit依赖分析, 迁移审计, 跨分支迁移, 模块迁移, 分支迁移, 功能迁移, cherry-pick分析, 功能审计, 迁移编译错误, 迁移冲突分析.

машинный переводПоказать оригиналСкрыть оригинал«A universal cross-branch migration audit tool. When users need to migr…»

A universal cross-branch migration audit tool. When users need to migrate a module or specific feature from one branch to another, use this skill for pre-migration audit. Supports three input modes: (1) Module Path Mode — analyzes all commits under a specified directory; (2) Feature Mode — locates feature-related commits via keywords/commit lists/time range + author; (3) Hybrid Mode — module path + feature keywords combined. It automatically identifies commits involving external files, determines dependency types (strong/weak/resource/transitive), evaluates four-level conflict risk (🟢🟡🔴⚫), and generates an interactive HTML audit report with a critical-risk alert panel. Also supports incremental audit during migration (quick diagnosis of compilation errors) and provides a post-cherry-pick checklist. Applicable to projects of any language and framework. Trigger words: cross-branch audit, module migration analysis, commit dependency analysis, migration audit, cross-branch migration, module migration, branch migration, feature migration, cherry-pick analysis, feature audit, migration compilation error, migration conflict analysis, 跨分支审计, 模块迁移分析, commit依赖分析, 迁移审计, 跨分支迁移, 模块迁移, 分支迁移, 功能迁移, cherry-pick分析, 功能审计, 迁移编译错误, 迁移冲突分析.

ClawHub Agent Skills автор: chenxianjing v1.0.0 MIT-0 2 файла тело ≈ 6 586 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Универсальный инструмент аудита миграции между ветками.

Как процесс C 63/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторРазработкаИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
75/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
37
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
  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

  • ошибка description-long description 1242 символов, лимит 1024
  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: A universal cross-branch migration audit tool. When users need to … ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение body-long тело SKILL.md ≈ 6586 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 63/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 6586 токенов
  • 100Шаги. Шагов: 166
  • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

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)
  • +3Длина description 1242: рекомендуется 120–800 символов
  • -220 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 166 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (15 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 37.

Внешние проверки

ClawHub: clean
This skill gives normal Convex project setup guidance with disclosed file creation and development commands, and I found no evidence of hidden or unrelated behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.