SKILLEMALL.ai

BD zentao-bug-analyzer

Автоматический анализ дефектов ZenTao: парсинг ссылок на баги из сообщений Feishu, автоматическая классификация модулей + определение ветки + анализ кода, вывод через комментарии Playwright + уведомления Feishu по двум каналам.

машинный переводПоказать оригиналСкрыть оригинал«禅道缺陷自动分析:从飞书消息解析Bug链接,自动模块分类+分支定位+代码分析,Playwright评论+飞书通知双通道输出。…»

禅道缺陷自动分析:从飞书消息解析Bug链接,自动模块分类+分支定位+代码分析,Playwright评论+飞书通知双通道输出。

ClawHub Agent Skills автор: yeah526 v1.1.0 MIT-0 13 файлов тело ≈ 4 008 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Автоматический анализ дефектов ZenTao: парсинг ссылок на баги из сообщений Feishu, автоматическая классификация модулей + определение ветки + анализ кода…

Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторPlaywrightРазработкаДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
44/100
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

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: 2. 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 44/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 25, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, git, node), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 4008 токенов
  • 100Шаги. Шагов: 136
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (10 тегов): типизированный вызов надёжнее

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)
  • +3Длина description 62: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -256 эмодзи в инструкциях: шум для модели
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 136 пунктов
  • +4Есть примеры (8 блоков кода)
  • +3Все 7 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This skill appears to support a real Zentao bug-analysis workflow, but it needs Review because it stores credentials locally, exposes an authenticated browser session, changes local git repositories, and posts bug comments by default.
LLM: suspicious (high) · 31 июл. 2026 г.