SKILLEMALL.ai

AB grpc-test-automation

Комплексная автоматизация тестирования gRPC для встраиваемых устройств с использованием C/C++ SDK. Вход: requirements.md + SDK (заголовочные файлы и библиотеки C/C++) Выход: Тестовый фреймворк + JMX + Отчет Excel Рабочий процесс: 1. Анализ заголовочных файлов SDK → Проектирование gRPC интерфейсов 2. Написание C++ gRPC сервера (обертка для SDK) + определение Proto 3. Компиляция сервера → Генерация дескриптора proto 4. Создание тестового плана JMeter JMX 5. Симуляция последовательной связи → Монтаж ресурсов на плату 6. Плата запускает gRPC сервис 7. JMeter выполняет тесты 8. Генерация отчета Excel Триггеры: "grpc test", "板端测试", "协议测试", "SDK测试", "嵌入式测试", "create test framework", "generate jmx", "串口测试"

машинный переводПоказать оригиналСкрыть оригинал«Complete gRPC test automation for embedded devices with C/C++ SDK. In…»

Complete gRPC test automation for embedded devices with C/C++ SDK. Input: requirements.md + SDK (C/C++ headers and libraries) Output: Test framework + JMX + Excel report Workflow: 1. Analyze SDK headers → Design gRPC interfaces 2. Write C++ gRPC server (wraps SDK) + Proto definition 3. Compile server → Generate proto descriptor 4. Create JMeter JMX test plan 5. Simulate serial communication → Mount resources to board 6. Board starts gRPC service 7. JMeter executes tests 8. Generate Excel report Triggers: "grpc test", "板端测试", "协议测试", "SDK测试", "嵌入式测试", "create test framework", "generate jmx", "串口测试"

ClawHub Agent Skills автор: ventus-Z v1.0.0 MIT-0 13 файлов · 1 скрипт тело ≈ 1 796 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Комплексная автоматизация тестирования gRPC для встраиваемых устройств с использованием C/C++ SDK.

Как процесс B 67/100 · Почти готов — слабые места: когда включается, ошибки и развилки, повторный запуск

ИнтеграцияДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 13. 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 67/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1796 токенов

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)
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 607 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 8)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate embedded gRPC testing skill, but it needs review because it documents unauthenticated board control, remote upload/execution, shutdown, plaintext network services, and automatic package installation.
LLM: suspicious (high) · VirusTotal: benign · 28 мая 2026 г.