SKILLEMALL.ai
GitHub ↗ EN Войти

AC em-intel

Интеллект инженера-менеджера: отслеживание производительности команды, вклада инженеров и состояния проектов в GitLab/GitHub + Jira/GitHub Issues. Используйте, когда запрашиваются утренние сводки, отчеты по итогам дня, отчеты команды, оповещения о тихих инженерах, проверки состояния эпиков или еженедельные информационные бюллетени. Сопоставляет вклад инженеров с тикетами Jira через анализ веток функций. Поддерживает доставку через Slack, Telegram и электронную почту. Активация по: /morning-brief, /eod-review, /team-report, "кто работал над X", "какие тикеты застряли", "отправить бюллетень", "производительность команды".

машинный переводПоказать оригиналСкрыть оригинал«Engineering Manager Intelligence: track team performance, engineer con…»

Engineering Manager Intelligence: track team performance, engineer contributions, and project health across GitLab/GitHub + Jira/GitHub Issues. Use when asked for morning briefs, EOD reviews, team reports, quiet engineer alerts, epic health checks, or weekly newsletters. Maps engineer contributions to Jira tickets via feature branch analysis. Supports Slack, Telegram, and email delivery. Trigger on: /morning-brief, /eod-review, /team-report, "who worked on X", "which tickets are stalled", "send newsletter", "team performance".

ClawHub Agent Skills автор: larryfang v2.1.1 MIT-0 25 файлов · 1 скрипт тело ≈ 882 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Интеллект инженера-менеджера: отслеживание производительности команды, вклада инженеров и состояния проектов в GitLab/GitHub + Jira/GitHub Issues.

Как процесс C 51/100 · Есть пробелы — слабые места: шаги, входы и предусловия, отчётность по ходу

ИнтеграцияGitHubGitLabJiraSlackДанные и аналитикаТексты и документыПоддержка клиентовтип 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
94/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Шаги вес 15
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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 · 4

    ✓ Критических и высоких находок нет

    Средние и низкие: 4
    • низкая Утечка данных exfil-webhook-url commands/setup_wizard.py:182
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
      slack_webhook = _ask_secret("  Slack webhook URL (https://hooks.slack.com/...)")
      заглушка
    • низкая Утечка данных exfil-webhook-url core/delivery.py:50
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (хост вендора самого скилла; в кавычках — упоминание, а не команда)
      f"https://api.telegram.org/bot{token}/sendMessage",
      vendor-hostв кавычках
    • низкая Утечка данных exfil-webhook-url SETUP.md:87
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
      SLACK_WEBHOOK_URL=https://hooks.slack.com/services/T.../B.../xxx
      заглушка
    • низкая Утечка данных read-dotenv SKILL.md:53
      Чтение файла .env
      cp .env.example .env

    Просканировано файлов: 25. 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 51/100

    • 0Шаги. Инструкция сплошным текстом, шаги не выделены
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 882 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Нет пошаговых инструкций или чек-листа
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 532 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +1Лицензия указана

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

    Внешние проверки

    ClawHub: suspicious
    The skill appears to be a real engineering reporting tool, but it needs Review because it silently installs dependencies and stores/sends sensitive engineering credentials and reports with weak scoping controls.
    LLM: suspicious (medium) · VirusTotal: benign · 28 мая 2026 г.