SKILLEMALL.ai

BC visual-architecture

Создавайте детерминированные, локально-ориентированные архитектурные артефакты из типизированных JSON или извлеченных из репозитория данных с поддержкой TypeScript: проверяйте спецификации, визуализируйте диаграммы в SVG/HTML и генерируйте квитанции, основанные на исходном коде, на которые агенты могут ссылаться.

машинный переводПоказать оригиналСкрыть оригинал«Create deterministic, local-first architecture artifacts from typed JS…»

Create deterministic, local-first architecture artifacts from typed JSON or TypeScript-aware repo extraction: validate specs, render SVG/HTML diagrams, and emit source-backed receipts agents can cite.

ClawHub Agent Skills автор: Leo Stehlik v1.8.0 MIT-0 80 файлов тело ≈ 1 489 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создавайте детерминированные, локально-ориентированные архитектурные артефакты из типизированных JSON или извлеченных из репозитория данных с поддержкой…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 80. 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 55/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python, node), но во frontmatter они не объявлены
  • 60Ошибки и развилки. Развилок: 2
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 49
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1489 токенов

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
  • -46 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +2Инструкции на одном языке
  • +3Длина description 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (6 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill is a local diagram-generation tool whose repo scanning and output files are disclosed and aligned with its purpose.
LLM: benign (high) · VirusTotal: · 1 сент. 2026 г.