SKILLEMALL.ai

BC open-source-contributor

Автономный агент для внесения вклада в GitHub с использованием паттерна Architect-Builder. Buck (основной агент) обрабатывает весь ввод-вывод git/сети; субагенты выполняют только сфокусированную когнитивную работу. Разведка проблем, реализация исправлений и отправка PR. Поддерживает три уровня сложности. Активируется при: open source, github, contribution, PR, pull request, issue fix, OSS, contributor.

машинный переводПоказать оригиналСкрыть оригинал«Autonomous GitHub contribution agent using the Architect-Builder patte…»

Autonomous GitHub contribution agent using the Architect-Builder pattern. Buck (main agent) handles all git/network I/O; subagents handle focused cognitive work only. Scouts issues, implements fixes, and submits PRs. Supports three difficulty levels. Triggers on: open source, github, contribution, PR, pull request, issue fix, OSS, contributor.

ClawHub Agent Skills автор: Wahaj Ahmed v3.0.0 MIT-0 11 файлов тело ≈ 2 640 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автономный агент для внесения вклада в GitHub с использованием паттерна Architect-Builder.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

СправочникGitHubРазработкаИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Опасные команды cmd-cron-mention scripts/setup.py:281
    Упоминание редактирования crontab (строковый литерал в коде, не выполняется)
    print(f"  3. Enable cron: crontab -e")
    строка в коде

Просканировано файлов: 11. 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 58/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (git), но во frontmatter они не объявлены
  • 65Ошибки и развилки. Развилок: 3
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 69
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2640 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 12. 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
  • -36 из 6 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 345 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 69 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This skill is a disclosed GitHub automation tool, but it needs review because it can autonomously use your GitHub token to fork repos, push branches, and open public PRs while handling credentials unsafely.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.