SKILLEMALL.ai

AC all-green

Публикация локальных изменений в pull request GitHub и продолжение работы над PR до тех пор, пока не будут устранены замечания к обзору и не пройдут необходимые проверки. Используйте, когда пользователь вызывает /all-green, просит создать/открыть PR, а затем следить за ним, хочет, чтобы Codex объединил публикацию в стиле yeet с обработкой комментариев к обзору GitHub, или хочет, чтобы существующий PR отслеживался и исправлялся до тех пор, пока комментарии и CI не будут устранены.

машинный переводПоказать оригиналСкрыть оригинал«Publish local changes to a GitHub pull request and keep working the PR…»

Publish local changes to a GitHub pull request and keep working the PR until review feedback is addressed and required checks are green. Use when the user invokes /all-green, asks to create/open a PR and then monitor it, wants Codex to combine yeet-style publishing with GitHub review-comment handling, or wants an existing PR watched and fixed until comments and CI are clear.

ClawHub Agent Skills автор: Patrick Erichsen v1.0.0 MIT-0 3 файла тело ≈ 1 464 токенов Открыть источникclawhub.ai проанализирован 18 ч назад

Публикация локальных изменений в pull request GitHub и продолжение работы над PR до тех пор, пока не будут устранены замечания к обзору и не пройдут…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураGitHubРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
56/100
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

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 56/100

    • 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: 31, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 50
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1464 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 377 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 50 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This skill automates GitHub pull-request preparation and follow-up, and its high-impact actions are disclosed and gated by user approval.
    LLM: benign (high) · VirusTotal: · 30 мая 2026 г.