SKILLEMALL.ai
GitHub ↗ EN Войти

AB claude-automation-recommender

Анализирует кодовую базу и рекомендует автоматизации Claude Code (хуки, субагенты, навыки, плагины, MCP-серверы). Используйте, когда пользователь запрашивает рекомендации по автоматизации, хочет оптимизировать свою настройку Claude Code, упоминает улучшение рабочих процессов Claude Code, спрашивает, как сначала настроить Claude Code для проекта или хочет узнать, какие функции Claude Code ему следует использовать.

машинный переводПоказать оригиналСкрыть оригинал«Analyze a codebase and recommend Claude Code automations (hooks, subag…»

Analyze a codebase and recommend Claude Code automations (hooks, subagents, skills, plugins, MCP servers). Use when user asks for automation recommendations, wants to optimize their Claude Code setup, mentions improving Claude Code workflows, asks how to first set up Claude Code for a project, or wants to know what Claude Code features they should use.

ClawHub Agent Skills автор: Vinh v0.1.0 MIT-0 7 файлов тело ≈ 2 600 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Анализирует кодовую базу и рекомендует автоматизации Claude Code (хуки, субагенты, навыки, плагины, MCP-серверы).

Как процесс B 72/100 · Почти готов — слабые места: когда включается, повторный запуск, отчётность по ходу

АнализаторИИ и агентыРазработкатип 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%
99
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных read-dotenv references/skills-reference.md:381
      Чтение файла .env (в кавычках — упоминание, а не команда)
      3. Copy environment template: `cp .env.example .env`
      в кавычках

    Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "tools"

    Процессный рейтинг: все десять параметров 72/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 29
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2600 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 354 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 22 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This skill only provides Claude Code automation recommendations, but users should review suggested hooks, MCP servers, and shared configs before enabling them.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.