SKILLEMALL.ai

BC gc-log-report

Читает и анализирует журналы GC JDK и генерирует более профессиональный официальный HTML-отчет и краткое резюме в Markdown, подходящее как для технического анализа, так и для отчетов руководству и принятия решений по оптимизации архитекторами. Следует использовать, когда пользователь упоминает gc log, журналы GC, журналы сборщика CMS/G1/ParNew, анализ пауз JVM, Full GC, Young GC, генерацию отчета по анализу GC, экспорт HTML-отчета, подготовку материалов для руководства, предоставление рекомендаций по оптимизации JVM, выявление проблемных участков и их выделение, или когда требуется объединить несколько файлов gc.log.* и предоставить выводы, даже если пользователь явно не упоминает "skill" или "отчет".

машинный переводПоказать оригиналСкрыть оригинал«读取和分析 JDK GC 日志,并生成更专业的 HTML 正式报告与 Markdown 简版结论,既适合技术复盘,也适合领导汇报和架构师调优…»

读取和分析 JDK GC 日志,并生成更专业的 HTML 正式报告与 Markdown 简版结论,既适合技术复盘,也适合领导汇报和架构师调优决策。只要用户提到 gc log、GC 日志、CMS/G1/ParNew 回收日志、JVM 停顿分析、Full GC、Young GC、生成 GC 分析报告、导出 HTML 报告、整理领导汇报材料、给出 JVM 调优建议、识别问题项并高亮展示,或希望合并多个 gc.log.* 滚动文件并给出结论时,都应该优先使用这个 skill,即使用户没有明确说“skill”或“报告”。

ClawHub Agent Skills автор: RanenWang v1.0.0 MIT-0 3 файла тело ≈ 1 474 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Читает и анализирует журналы GC JDK и генерирует более профессиональный официальный HTML-отчет и краткое резюме в Markdown, подходящее как для технического…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
55/100
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

  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: 0. 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 55/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 215
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1474 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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 258 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 215 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This skill reads local JVM GC log files and produces reports, with no executable code, network behavior, credential access, or hidden persistence found.
LLM: benign (high) · VirusTotal: · 15 июл. 2026 г.