SKILLEMALL.ai

AC aidlc

Адаптивный рабочий процесс жизненного цикла разработки с помощью ИИ (AI-DLC) для разработки программного обеспечения. Используйте, когда: начинаете новый проект, новую функцию, исправление ошибки, рефакторинг, миграцию или любую другую задачу разработки. Китайские триггеры: 新项目, 开始开发, 做个功能, 修复bug, 重构, 新需求, 新建项目. Английские триггеры: start a project, new feature, AI-DLC, aidlc, inception, construction. Реализует полную методологию AI-DLC: обнаружение рабочей области, адаптивные требования, пользовательские истории, планирование рабочего процесса, проектирование, генерация кода и сборка/тестирование.

машинный переводПоказать оригиналСкрыть оригинал«AI-Driven Development Life Cycle (AI-DLC) adaptive workflow for softwa…»

AI-Driven Development Life Cycle (AI-DLC) adaptive workflow for software development. Use when: starting a new project, new feature, bug fix, refactoring, migration, or any dev task. Chinese triggers: 新项目, 开始开发, 做个功能, 修复bug, 重构, 新需求, 新建项目. English triggers: start a project, new feature, AI-DLC, aidlc, inception, construction. Implements full AI-DLC methodology: workspace detection, adaptive requirements, user stories, workflow planning, design, code generation, and build/test.

ClawHub Agent Skills автор: BingWang v1.0.0 MIT-0 28 файлов тело ≈ 1 783 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Адаптивный рабочий процесс жизненного цикла разработки с помощью ИИ (AI-DLC) для разработки программного обеспечения.

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

ПроцедураРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
84
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
Это копия скилла из другого каталога, в рейтинге считается основная: aidlc (ClawHub)

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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Рискованное назначение intent-offensive-security references/construction/build-and-test.md:20
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка; тестовый файл / пример)
      - **Security tests**: Vulnerability scanning, penetration testing
      детектортестовый файл
    • низкая Рискованное назначение intent-offensive-security references/extensions/security/baseline/security-baseline.md:269
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - **Security event alerting**: Alerts MUST be configured for high-value security events: repeated authentication failures, privilege escalation attempts, access from unusual locations, and authorizati

    Просканировано файлов: 28. 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 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: 76
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1783 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 481 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 76 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    This is a coherent software-development workflow skill, but it requires broad workspace scanning and persistent verbatim logging of user input, which can retain sensitive data unexpectedly.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.