AC power-automate-governance
Управление потоками Power Automate и приложениями Power Apps в масштабе с использованием кэшированного хранилища FlowStudio MCP. Классификация потоков по бизнес-влиянию, обнаружение неиспользуемых ресурсов, аудит использования коннекторов, обеспечение соответствия стандартам, управление правилами уведомлений и расчет показателей управления — все это без Dataverse или CoE Starter Kit. Загрузите этот навык при запросе: тегировать или классифицировать потоки, устанавливать бизнес-влияние, назначать владельцев, обнаруживать неиспользуемые ресурсы, аудировать коннекторы, проверять соответствие, рассчитывать показатели архивации, управлять правилами уведомлений, проводить обзор управления, генерировать отчет о соответствии, выводить разработчика из эксплуатации или выполнять любую задачу, связанную с записью метаданных управления в потоки. Требуется подписка FlowStudio for Teams или MCP Pro+ — см. https://mcp.flowstudio.app
машинный переводПоказать оригиналСкрыть оригинал«Govern Power Automate flows and Power Apps at scale using the FlowStud…»
Govern Power Automate flows and Power Apps at scale using the FlowStudio MCP cached store. Classify flows by business impact, detect orphaned resources, audit connector usage, enforce compliance standards, manage notification rules, and compute governance scores — all without Dataverse or the CoE Starter Kit. Load this skill when asked to: tag or classify flows, set business impact, assign ownership, detect orphans, audit connectors, check compliance, compute archive scores, manage notification rules, run a governance review, generate a compliance report, offboard a maker, or any task that involves writing governance metadata to flows. Requires a FlowStudio for Teams or MCP Pro+ subscription — see https://mcp.flowstudio.app
Управление потоками Power Automate и приложениями Power Apps в масштабе с использованием кэшированного хранилища FlowStudio MCP.
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
body-longтело SKILL.md ≈ 5650 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 60/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Ошибки и развилки. Развилок: 2
- 70Стоимость исполнения. Тело инструкции 5650 токенов
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 7
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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 733 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 7 пунктов
- +4Есть примеры (11 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.