SKILLEMALL.ai

BC github-smart-code-digest

GitHub Smart Code Digest — автоматический мониторинг коммитов/PR в репозиториях, интеллектуальный AI-ревью кода, создание визуальных карточек ревью, сводка и публикация в Feishu Wiki. Подходит для отслеживания качества кода команды и генерации ежедневных/еженедельных отчетов для инженеров-менеджеров. Триггеры: отчет о ревью кода, мониторинг GitHub, ежедневный отчет о ревью PR, сводка качества кода, ежедневный отчет инженера.

машинный переводПоказать оригиналСкрыть оригинал«GitHub Smart Code Digest — 自动监控仓库 Commits/PRs,AI 智能代码审查, 生成可视化审查卡片,汇总发…»

GitHub Smart Code Digest — 自动监控仓库 Commits/PRs,AI 智能代码审查, 生成可视化审查卡片,汇总发布到飞书 Wiki。适用于团队代码质量追踪和工程管理者日报/周报生成。 触发词:代码审查报告、GitHub 监控、PR 审查日报、代码质量汇总、工程师日报。

ClawHub Hermes автор: zlszhonglongshen v1.0.0 MIT-0 4 файла тело ≈ 1 115 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

GitHub Smart Code Digest — автоматический мониторинг коммитов/PR в репозиториях, интеллектуальный AI-ревью кода, создание визуальных карточек ревью, сводка и…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураGitHubРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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-long-hermes description 149 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "combo"
  • заметка frontmatter-key неизвестное поле фронтматтера "channels"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "skills"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1115 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 148 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This skill openly automates GitHub code-review reports and publishes them to Feishu Wiki, with the main risks being expected external sharing and scheduled publishing that users must configure carefully.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.