SKILLEMALL.ai
GitHub ↗ EN Войти

AC improvement-gate

Используйте, когда после внесения изменений требуется проверка, следует ли их сохранить, кандидат помечен как ожидающий и требует ручного утверждения, или когда вы хотите просмотреть очередь ожидания. 6-уровневый механический контроль доступа: Schema→Compile→Lint→Regression→Review→HumanReview, где Schema/Compile/Regression/Review являются блокирующими уровнями (сбой означает отказ), Lint и HumanReview являются рекомендуемыми уровнями (сбой не блокирует, но регистрирует предупреждение). Не используется для оценки (используйте improvement-discriminator) или выполнения изменений (используйте improvement-executor).

машинный переводПоказать оригиналСкрыть оригинал«当执行完变更需要验证是否应保留、候选被标记 pending 需要人工审批、或想查看待审队列时使用。6 层机械门禁: Schema→Compi…»

当执行完变更需要验证是否应保留、候选被标记 pending 需要人工审批、或想查看待审队列时使用。6 层机械门禁: Schema→Compile→Lint→Regression→Review→HumanReview，其中 Schema/Compile/Regression/Review 为阻塞层（失败即拒绝），Lint 和 HumanReview 为建议层（失败不阻塞但记录警告）。不用于打分（用 improvement-discriminator）或执行变更（用 improvement-executor）。

ClawHub Agent Skills автор: _silhouette v1.1.1 MIT-0 7 файлов тело ≈ 1 355 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Используйте, когда после внесения изменений требуется проверка, следует ли их сохранить, кандидат помечен как ожидающий и требует ручного утверждения, или…

Как процесс C 60/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторРазработкаДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
60/100
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

    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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

    Процессный рейтинг: все десять параметров 60/100

    • 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
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 28
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1355 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)
    • +2Инструкции на одном языке
    • +3Длина description 256 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)
    • +3Все 2 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    The skill mostly fits a quality-gate workflow, but it has under-disclosed authority to modify local files during rollback and uses broad triggers that could activate it outside that workflow.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.