SKILLEMALL.ai
GitHub ↗ EN Войти

AC lintlang-audit

Проверяет указанный файл конфигурации ИИ-агента, системную подсказку, определение инструмента или инструкцию (YAML, JSON, Markdown, текст или Python) с помощью CLI LintLang по запросу. Используйте, когда пользователь просит проверить, проанализировать или просмотреть такой файл на предмет неоднозначных описаний инструментов, отсутствия условий остановки, несоответствий схемы/описания или подсказок, встроенных в Python, и называет файл. Детерминированный офлайн-статический анализ, без вызовов модели и сети. Не используйте для общего обзора кода, для документации в прозе или когда файл не указан.

машинный переводПоказать оригиналСкрыть оригинал«Audit a named AI agent config, system prompt, tool-definition or instr…»

Audit a named AI agent config, system prompt, tool-definition or instruction file (YAML, JSON, Markdown, text, or Python) with the released LintLang CLI, on request. Use when the user asks to audit, lint, scan or review such a file for ambiguous tool descriptions, missing stop conditions, schema/description mismatches, or prompts embedded in Python, and names the file. Deterministic offline static analysis, no model call and no network call. Do not use for general code review, for prose documentation, or when no file has been named.

Разбор skillemall

Скилл обещает статический анализ конфигов ИИ-агентов — ловит неоднозначные описания инструментов, пропущенные условия выхода, рассогласования схем и встроенные промпты в Python. Работает оффлайн, без обращений к моделям.

В файлах — один скрипт LintLang CLI, 1646 токенов кода. Grade A, оценка качества 89, без критических ошибок и блокировок. Поддержка девяти платформ от Claude до DeepSeek. Процесс-скор 63 — невысоко, но для статического анализатора приемлемо.

Практически: кидаешь YAML, JSON или текстовый конфиг агента — получаешь отчёт о дырах в описаниях инструментов и потенциальных зависаниях. Детерминированно, без сетевых задержек. Ставить стоит, если вы пишете системные промпты и инструкции для агентов и хотите ловить ошибки до запуска.

hermes-labs-ai/lintlang Agent Skills автор: hermes-labs-ai 1 файл тело ≈ 1 646 токенов Открыть источникgithub.com↗ проанализирован 10 ч назад

Проверяет указанный файл конфигурации ИИ-агента, системную подсказку, определение инструмента или инструкцию (YAML, JSON, Markdown, текст или Python) с…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИИ и агентыРазработкатип 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
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 63/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 18
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1646 токенов
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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 538 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +4Есть примеры (4 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.