SKILLEMALL.ai

BF lingxi-daily-ops

Полная автоматизация ежедневных операций для проектов GitHub — автоматизированные взаимодействия с GitHub (лайк, комментарий, обзор PR), генерация ежедневных отчетов, отслеживание трендов и многоплатформенные публикации в социальных сетях. Снижает ручной труд почти до нуля.

машинный переводПоказать оригиналСкрыть оригинал«Complete daily operations automation for GitHub projects — automated G…»

Complete daily operations automation for GitHub projects — automated GitHub interactions (star, comment, PR review), daily report generation, trending watch, and multi-platform social publishing. Reduces manual effort to near zero.

ClawHub Agent Skills автор: 万 v1.0.0 MIT-0 3 файла тело ≈ 773 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Полная автоматизация ежедневных операций для проектов GitHub — автоматизированные взаимодействия с GitHub (лайк, комментарий, обзор PR), генерация ежедневных…

Как процесс F 40/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: url

ПроцедураGitHubДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
F
40/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: url
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 3. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: url

Процессный рейтинг: все десять параметров 40/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: url
  • 0Инструменты и файлы. Не хватает 1 файла(ов): url
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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: 1, без проверки текущего состояния
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 773 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 231 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
The skill openly automates GitHub and social activity, but it asks for broad account access and scheduled public actions without enough safeguards.
LLM: suspicious (high) · 2 июл. 2026 г.