SKILLEMALL.ai
GitHub ↗ EN Войти

BC ai-bug-fixer

AI Bug Fix Assistant — Использует большую модель для автоматической диагностики и исправления ошибок в коде. Этот навык активируется, когда пользователь нуждается в следующих функциях: (1) Автоматическая диагностика причин ошибок (2) Генерация кода для исправления (3) Рекомендации по обработке исключений (4) Генерация регрессионных тестов (5) Генерация патчей кода

машинный переводПоказать оригиналСкрыть оригинал«AI Bug修复助手 - 利用大模型自动诊断和修复代码中的bug。 当用户需要以下功能时触发此skill： (1) 自动诊断bug原因 (2…»

AI Bug修复助手 - 利用大模型自动诊断和修复代码中的bug。 当用户需要以下功能时触发此skill： (1) 自动诊断bug原因 (2) 生成修复代码 (3) 异常处理建议 (4) 回归测试生成 (5) 代码补丁生成

ClawHub Agent Skills автор: shenmeng v1.0.0 MIT-0 5 файлов тело ≈ 212 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

AI Bug Fix Assistant — Использует большую модель для автоматической диагностики и исправления ошибок в коде.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 5. 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 53/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 212 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +3Длина description 111: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (1 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a simple bug-fixing helper, but its bundled scripts appear to be canned demos rather than real log analysis or patch generation.
LLM: benign (high) · 28 мая 2026 г.