SKILLEMALL.ai

BC testcase-reviewer

Автоматизированно, структурированно и количественно оценивайте качество тестовых случаев функционального тестирования по шести основным аспектам: полнота, точность, эффективность, соответствие стандартам, поддерживаемость и исполнимость. Глубоко проверяйте такие характеристики, как атомарность, независимость, повторяемость, отслеживаемость и применение методов проектирования. Предоставляйте подробный отчет об оценке, предложения по дополнению недостающих сценариев, анализ зависимостей и рекомендации по улучшению.

машинный переводПоказать оригиналСкрыть оригинал«对功能测试用例进行自动化、结构化、可量化的质量评审,覆盖完整性、准确性、 有效性、规范性、可维护性、可执行性六大核心维度,并深度检查原子性、…»

对功能测试用例进行自动化、结构化、可量化的质量评审,覆盖完整性、准确性、 有效性、规范性、可维护性、可执行性六大核心维度,并深度检查原子性、独立性、 可重复性、可追溯性、设计方法运用等优秀特征。 输出详细评审报告、缺失场景补充、依赖分析与改进建议。

ClawHub Agent Skills автор: zxpFreesky v1.3.0 MIT-0 3 файла тело ≈ 1 723 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматизированно, структурированно и количественно оценивайте качество тестовых случаев функционального тестирования по шести основным аспектам: полнота…

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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.
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")

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: 110
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1723 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
  • -221 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 110 пунктов
  • +4Есть примеры (2 блоков кода)

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

Внешние проверки

ClawHub: clean
The inspected skill artifacts are coherent maintainer and Convex workflow helpers with disclosed commands and no evidence of hidden malware or exfiltration.
LLM: benign (high) · VirusTotal: · 12 июн. 2026 г.