SKILLEMALL.ai
GitHub ↗ EN Войти

BD github-code-review-cicd

Интеллектуальный обзор кода GitHub и полный рабочий процесс автоматизации CI/CD. Сценарий: при получении PR или отправке кода автоматически выполняется AI-обзор кода (проблемы с ошибками/безопасностью/логикой), а также интеллектуально генерируется или рекомендуется рабочий процесс GitHub Actions CI/CD на основе результатов обзора. Триггерные слова: обзор кода, review PR, генерация CI/CD, автоматическая генерация GitHub Actions, проверка качества кода.

машинный переводПоказать оригиналСкрыть оригинал«GitHub 智能代码审查与 CI/CD 自动化完整工作流。 场景：收到 PR 或提交代码时，自动完成 AI 代码审查（bug/安全/逻辑问…»

GitHub 智能代码审查与 CI/CD 自动化完整工作流。 场景：收到 PR 或提交代码时，自动完成 AI 代码审查（bug/安全/逻辑问题）， 并根据审查结果智能生成或推荐 GitHub Actions CI/CD 工作流。 触发词：代码审查、review PR、生成 CI/CD、GitHub Actions 自动生成、代码质量检查。

ClawHub Agent Skills автор: zlszhonglongshen v1.0.0 MIT-0 4 файла тело ≈ 573 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Интеллектуальный обзор кода GitHub и полный рабочий процесс автоматизации CI/CD.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubИнфраструктуратип 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
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "skills"

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 27
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 573 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 170 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill fits its GitHub review/CI purpose, but it can use a logged-in GitHub account to post PR comments and generate workflow files without a clear approval step.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.