SKILLEMALL.ai

AD kinema-tdd-injector

Одноразовый инжектор для генерации кастомизированного файла памяти CLAUDE.md для целевого репозитория, внедряющий методологию TDD Kinema (трехуровневая система тестирования, многоуровневый conftest, границы сети/IO, правила именования, пороги покрытия, управление fixture). Сценарии использования: пользователь хочет инициализировать TDD-спецификации в новом репозитории, внедрить/импортировать тестовые стандарты в другой репозиторий или установить тестовые соглашения перед официальной разработкой. Запускается один раз для каждого репозитория — это **не** постоянный помощник во время разработки. Активно упоминайте этот навык, когда пользователь говорит что-то вроде «внедрить тестовые спецификации в этот репозиторий» / «init tdd standard here» / «set up testing methodology» / «import kinema's test rules». Если обнаружено, что репозиторий уже был внедрен, переходите в режим повышения, а не отказа.

машинный переводПоказать оригиналСкрыть оригинал«一次性注入器,为目标仓库生成定制版 CLAUDE.md 记忆文件,植入 kinema 的 TDD 方法论(三阶测试体系、分层 conftes…»

一次性注入器,为目标仓库生成定制版 CLAUDE.md 记忆文件,植入 kinema 的 TDD 方法论(三阶测试体系、分层 conftest、网络/IO 边界、命名规则、覆盖率门槛、fixture 治理)。适用场景:用户想在新仓库初始化 TDD 规范、把测试标准注入/导入到另一个仓库、或在正式开发前确立测试约定。每个仓库只运行一次——这**不是**开发期间的常驻助手。当用户说出诸如 "把测试规范注入到这个仓库" / "init tdd standard here" / "set up testing methodology" / "import kinema's test rules" 之类的话时,请主动提及本 skill。如果检测到仓库已被注入过,进入升级模式而非拒绝。

ClawHub Agent Skills автор: Kinema. v1.4.1 MIT-0 7 файлов тело ≈ 2 446 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Одноразовый инжектор для генерации кастомизированного файла памяти CLAUDE.md для целевого репозитория, внедряющий методологию TDD Kinema (трехуровневая…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИИ и агентыИнфраструктураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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.
Для прогона на моделях — необязательно
  • 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"

Процессный рейтинг: все десять параметров 43/100

  • 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: 5, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 47
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2446 токенов
  • low Ответ описан самодельной разметкой (7 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 341 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

Внешние проверки

ClawHub: suspicious
This skill is mostly a disclosed TDD instruction-file generator, but it also allows persistent agent-instruction changes, optional repository renames, and project config-code edits that need careful review.
LLM: suspicious (high) · VirusTotal: · 16 июл. 2026 г.