SKILLEMALL.ai
GitHub ↗ EN Войти

BD dsh-error-handling

Применяйте принципы обработки ошибок при проектировании или анализе сбоев, восстановления, повторных попыток, фоновых задач и отчетов об ошибках, видимых пользователю.

машинный переводПоказать оригиналСкрыть оригинал«Apply error-handling principles when designing or reviewing failures,…»

Apply error-handling principles when designing or reviewing failures, recovery, retries, background tasks, and user-visible error reports.

Разбор skillemall

Скилл обещает помочь с обработкой ошибок: отказы, восстановление, повторы, фоновые задачи, сообщения пользователю. В файле одна инструкция на 551 токен — никаких скриптов, примеров кода или чек-листов. Проверки показали качество 77 и процесс 41: описание есть, но структуры недостаточно. Критических проблем не нашли, линтер чист. На моделях скилл не запускали.

Для аналитика, который пишет код или ревьюит архитектуру, это базовая справка. Платформ поддерживает много, включая Claude и Cursor. Ставить можно, если вам нужен набор принципов, а не готовые решения — сам применять придётся.

deepseek-ai/deepseek-harness Agent Skills автор: deepseek-ai MIT 1 файл тело ≈ 551 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторДанные и аналитикатип 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
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 41/100

    • 0Шаги. Инструкция сплошным текстом, шаги не выделены
    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 551 токенов

    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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 138 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков

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