SKILLEMALL.ai
GitHub ↗ EN Войти

BC flink-udf

Создание и развертывание пользовательских функций Apache Flink (UDF) на Java для потоковой обработки поверх Kafka. Используйте этот навык, когда пользователи хотят создавать скалярные UDF, пользовательские табличные функции (UDTF) или функции обработки таблиц (PTF) на Java, развертывать их в Confluent Cloud или локальных средах Docker и вызывать их из Flink SQL или Table API. Запускать при: Flink UDF, пользовательская функция Flink, функция обработки таблиц, PTF, UDTF, пользовательская функция Flink, расширение Flink SQL, состояниевая потоковая обработка с Flink. НЕ запускать для: UDF Kafka Streams (используйте навык kafka-streams-programming), общей разработки заданий Flink без пользовательских функций, конвейеров потоковой передачи данных CDC, включающих Flink (предпочтите навык confluent-cloud-cdc-tableflow), настройки коннектора Flink или кода продюсера/потребителя Kafka.

машинный переводПоказать оригиналСкрыть оригинал«Build and deploy Apache Flink user-defined functions (UDFs) in Java fo…»

Build and deploy Apache Flink user-defined functions (UDFs) in Java for stream processing over Kafka. Use this skill when users want to create scalar UDFs, user-defined table functions (UDTFs), or process table functions (PTFs) in Java, deploy them to Confluent Cloud or local Docker environments, and invoke them from Flink SQL or the Table API. Trigger on: Flink UDF, custom Flink function, process table function, PTF, UDTF, Flink user defined, extend Flink SQL, stateful stream processing with Flink. Do NOT trigger for: Kafka Streams UDFs (use kafka-streams-programming skill), general Flink job development without custom functions, CDC streaming data piplines that include Flink (prefer the confluent-cloud-cdc-tableflow skill), Flink connector setup, or Kafka producer/consumer code.

confluentinc/agent-skills Agent Skills автор: confluentinc Apache-2.0 10 файлов тело ≈ 650 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Создание и развертывание пользовательских функций Apache Flink (UDF) на Java для потоковой обработки поверх Kafka.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторDockerИнфраструктураРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
54/100
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

    Для прогона на моделях — необязательно
    • 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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 54/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 23, расплывчатых формулировок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 650 токенов
    • medium Тестов 8, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
    • low Среди тестов нет случая на инъекцию через данные

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 791 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Справочные файлы упоминаются в инструкциях (6 из 8)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.