SKILLEMALL.ai

AD code-review-assistant

Помощник по ревью кода. Анализирует Git diff или фрагменты кода, выдает структурированный отчет ревью на китайском языке, охватывающий ошибки, уязвимости безопасности, проблемы производительности, читаемость, лучшие практики, безопасность типов, обработку ошибок, покрытие тестами. Поддерживает настройку уровня строгости (информационный/оптимизация/стандартный/критический) и различные основные языки (Python/JS/TS/Java/Go/Rust). Поддерживает получение diff PR GitHub/GitLab, поддерживает различные форматы вывода Markdown/JSON/HTML. Сценарии использования: когда пользователь говорит «помоги мне ревьюить код», «проверь этот фрагмент кода», «отзыв о последних изменениях», «ревью этого PR», «посмотри, есть ли проблемы в этом diff», «обзор кода», «code review», «ревью в строгом режиме», «быстрое ревью».

машинный переводПоказать оригиналСкрыть оригинал«代码 Review 助手。分析 Git diff 或代码片段,输出结构化中文 Review 报告,覆盖 Bug、安全漏洞、性能问题、可读性、…»

代码 Review 助手。分析 Git diff 或代码片段,输出结构化中文 Review 报告,覆盖 Bug、安全漏洞、性能问题、可读性、最佳实践、类型安全、错误处理、测试覆盖。支持严格程度配置(信息/优化/标准/严重)和多种主流语言(Python/JS/TS/Java/Go/Rust)。支持 GitHub/GitLab PR diff 获取,支持 Markdown/JSON/HTML 多种输出格式。使用场景:用户说"帮我 review 代码"、"检查这段代码"、"review 一下最近的改动"、"review 这个 PR"、"看看这个 diff 有没有问题"、"代码审查"、"code review"、"严格模式 review"、"快速 review"。

ClawHub Agent Skills автор: xonet1 v1.0.0 MIT-0 12 файлов тело ≈ 416 токенов Открыть источникclawhub.ai проанализирован 28 ч назад

Помощник по ревью кода.

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubGitLabРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
39/100
Процесс не доведён
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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: 12. 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 39/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (code-review-assistant) не совпадает с папкой (cody)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 25
  • 100Стоимость исполнения. Тело инструкции 416 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -214 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 8 примера фраз-триггеров в кавычках
  • +3Длина description 332 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This skill is a code-review helper that reads diffs or PRs as advertised, with no evidence of hidden persistence, destructive behavior, or unrelated data exfiltration.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.