SKILLEMALL.ai
GitHub ↗ EN Войти

AC vibe-prompt-compiler-portable

Компилирует грубые запросы на написание кода на естественном языке в структурированные, высокосигнальные подсказки для кроссплатформенных инструментов кодирования ИИ, таких как Cursor, Claude Code, Codex CLI, Gemini CLI и универсальных ИИ-помощников в IDE. Используйте, когда пользователь описывает расплывчатый запрос на реализацию, например «создать дашборд», «исправить эту ошибку», «добавить CRUD» или «рефакторить эту страницу», и вы должны сначала преобразовать его в краткое изложение реализации, прежде чем генерировать код.

машинный переводПоказать оригиналСкрыть оригинал«Compile rough natural-language coding requests into structured, high-s…»

Compile rough natural-language coding requests into structured, high-signal prompts for cross-platform AI coding tools such as Cursor, Claude Code, Codex CLI, Gemini CLI, and generic IDE chat assistants. Use when a user describes a vague implementation request like "build a dashboard", "fix this bug", "add CRUD", or "refactor this page" and you should first transform it into a scoped implementation brief before generating code.

ClawHub Agent Skills автор: qiyuequkanhai v1.0.0 MIT-0 38 файлов · 1 скрипт тело ≈ 925 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Компилирует грубые запросы на написание кода на естественном языке в структурированные, высокосигнальные подсказки для кроссплатформенных инструментов…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ИнтеграцияРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
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

    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: 27. 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 52/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 58
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 925 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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
    • +4Нет примеров входа/выхода
    • -310 из 13 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 431 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +4Справочные файлы упоминаются в инструкциях (6 из 6)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed prompt-compiler for coding requests, with optional local helper scripts and no evidence of hidden network, credential, destructive, or persistence behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.