SKILLEMALL.ai

AC code-language-analyzer

Эксперт по анализу объема кода проектов. Сканирует каталог проекта, подсчитывает количество файлов, строк кода и их долю для каждого языка программирования, генерирует наглядный отчет о распределении языков. Активируется, когда пользователю нужно проанализировать, какие языки использует проект, долю кода по языкам, состав технологического стека, статистику строк кода. Типичные сценарии включают: анализ доли языков в проекте, подсчет строк кода, просмотр используемых в проекте языков, анализ технологического стека, анализ кода по языкам и т.д.

машинный переводПоказать оригиналСкрыть оригинал«项目编程语言代码量分析专家。扫描项目目录,统计各编程语言的文件数、代码行数及占比,生成可视化的语言分布报告。当用户需要分析项目使用了哪些语言…»

项目编程语言代码量分析专家。扫描项目目录,统计各编程语言的文件数、代码行数及占比,生成可视化的语言分布报告。当用户需要分析项目使用了哪些语言、各语言代码量占比、技术栈构成、代码行数统计时触发此技能。典型场景包括:分析项目语言占比、统计代码行数、看看这个项目用了哪些语言、分析技术栈、code language analysis 等。

ClawHub Agent Skills автор: zmgood v1.0.0 MIT-0 3 файла тело ≈ 931 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Эксперт по анализу объема кода проектов.

Как процесс C 57/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 3. 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 "agent_created"

Процессный рейтинг: все десять параметров 57/100

  • 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
  • 40Согласованность. Имя во frontmatter (code-language-analyzer) не совпадает с папкой (code-language-analyzer-claw)
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 21
  • 100Стоимость исполнения. Тело инструкции 931 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 166 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (6 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill is a straightforward local code-language counter that reads a user-chosen project folder and prints aggregate language statistics.
LLM: benign (high) · VirusTotal: · 3 июл. 2026 г.