SKILLEMALL.ai

AD db-sql-auditor

Полный аудит жизненного цикла SQL, поддержка аудита SQL-стандартов, оценки производительности, анализа влияния DDL. Сценарии использования: - Пользователь говорит "проверить SQL" → выполнить sql "<SQL>" - Пользователь говорит "проверить стандарты" → выполнить sql "<SQL>" - Пользователь говорит "влияние DDL" → выполнить ddl "<DDL>" - Пользователь говорит "просмотреть правила" → выполнить rules Примеры использования: - dbskiter --output-mode=ai --database=<name> audit sql "SELECT * FROM users" - dbskiter --output-mode=ai --database=<name> audit file queries.sql - dbskiter --output-mode=ai --database=<name> audit ddl "ALTER TABLE users ADD COLUMN age INT" - dbskiter --output-mode=ai --database=<name> audit rules

машинный переводПоказать оригиналСкрыть оригинал«SQL全生命周期审核,支持SQL规范审核、性能评估、DDL影响分析。 使用场景: - 用户说"审核SQL" → 执行 sql "<SQL>…»

SQL全生命周期审核,支持SQL规范审核、性能评估、DDL影响分析。 使用场景: - 用户说"审核SQL" → 执行 sql "<SQL>" - 用户说"检查规范" → 执行 sql "<SQL>" - 用户说"DDL影响" → 执行 ddl "<DDL>" - 用户说"查看规则" → 执行 rules 用法: - dbskiter --output-mode=ai --database=<name> audit sql "SELECT * FROM users" - dbskiter --output-mode=ai --database=<name> audit file queries.sql - dbskiter --output-mode=ai --database=<name> audit ddl "ALTER TABLE users ADD COLUMN age INT" - dbskiter --output-mode=ai --database=<name> audit rules

ClawHub Agent Skills автор: MagicCzc (AIOps打工人) v1.0.0 MIT-0 2 файла тело ≈ 611 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полный аудит жизненного цикла SQL, поддержка аудита SQL-стандартов, оценки производительности, анализа влияния DDL.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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
  • 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

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (db-sql-auditor) не совпадает с папкой (dbskiter-db-sql-auditor)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 8
  • 100Стоимость исполнения. Тело инструкции 611 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (8 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 458 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (15 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a SQL auditing helper with no bundled executable code, but users should confirm the target database and any SQL file before use.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.