SKILLEMALL.ai
GitHub ↗ EN Войти

BB user-story-splitting

Разбивайте большие истории или эпики на более мелкие истории для поставки, используя проверенные шаблоны разделения. Используйте, когда элементы бэклога слишком велики для оценки, секвенирования или независимого выпуска.

машинный переводПоказать оригиналСкрыть оригинал«Break a large story or epic into smaller deliverable stories using pro…»

Break a large story or epic into smaller deliverable stories using proven split patterns. Use when backlog items are too big for estimation, sequencing, or independent release.

deanpeters/Product-Manager-Skills Claude Code автор: deanpeters NOASSERTION 4 файла тело ≈ 2 921 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Разбивайте большие истории или эпики на более мелкие истории для поставки, используя проверенные шаблоны разделения.

Как процесс B 72/100 · Почти готов — слабые места: когда включается, ошибки и развилки, повторный запуск

ПроцедураОперации и проектытип 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
B
72/100
Почти готов
Ошибки и развилки вес 10
0
Когда включается вес 12
20
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "intent"
    • заметка frontmatter-key неизвестное поле фронтматтера "type"
    • заметка frontmatter-key неизвестное поле фронтматтера "theme"
    • заметка frontmatter-key неизвестное поле фронтматтера "best_for"
    • заметка frontmatter-key неизвестное поле фронтматтера "scenarios"
    • заметка frontmatter-key неизвестное поле фронтматтера "estimated_time"

    Процессный рейтинг: все десять параметров 72/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 81, расплывчатых формулировок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2921 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 176 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 33 заголовков
    • +3Пошаговые инструкции: 81 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)

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