SKILLEMALL.ai

AC railway-deployment

Управляйте развертываниями Railway — просматривайте логи, повторно развертывайте, перезапускайте или удаляйте развертывания. Используйте для жизненного цикла развертывания (удаление, остановка, повторное развертывание, перезапуск), видимости развертывания (список, статус, история) и устранения неполадок (логи, ошибки, сбои, зависания). НЕ используйте для удаления сервисов — для этого используйте навык railway-environment с параметром isDeleted.

машинный переводПоказать оригиналСкрыть оригинал«Manage Railway deployments - view logs, redeploy, restart, or remove d…»

Manage Railway deployments - view logs, redeploy, restart, or remove deployments. Use for deployment lifecycle (remove, stop, redeploy, restart), deployment visibility (list, status, history), and troubleshooting (logs, errors, failures, crashes). NOT for deleting services - use railway-environment skill with isDeleted for that.

davila7/claude-code-templates Agent Skills автор: davila7 MIT 1 файл тело ≈ 1 400 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Управляйте развертываниями Railway — просматривайте логи, повторно развертывайте, перезапускайте или удаляйте развертывания.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"

    Процессный рейтинг: все десять параметров 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 50, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (railway-deployment) не совпадает с папкой (deployment)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 16
    • 100Стоимость исполнения. Тело инструкции 1400 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком
    • low Ответ описан самодельной разметкой (11 тегов): типизированный вызов надёжнее

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 330 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +4Есть примеры (14 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.