SKILLEMALL.ai

BC contributor

Сквозной рабочий процесс внесения вклада в open source: от сканирования проблем до отправки PR. Используйте этот навык всякий раз, когда пользователь хочет внести вклад в open source проект, найти проблемы для исправления, отправить pull request, форкнуть репозиторий для внесения вклада, исправить проблему на GitHub или упоминает «вклад в open source». Также запускайте, когда пользователь предоставляет URL репозитория GitHub и спрашивает о внесении вклада, говорит что-то вроде «помоги мне отправить PR», «найди хорошие первые проблемы», «я хочу внести вклад в X» или упоминает исправление ошибок в чужом проекте.

машинный переводПоказать оригиналСкрыть оригинал«End-to-end open source contribution workflow: from scanning issues to…»

End-to-end open source contribution workflow: from scanning issues to submitting PRs. Use this skill whenever the user wants to contribute to an open source project, find issues to fix, submit a pull request, fork a repo to contribute, fix a GitHub issue, or mentions 'open source contribution'. Also trigger when they provide a GitHub repo URL and ask about contributing, say things like 'help me submit a PR', 'find good first issues', 'I want to contribute to X', or mention fixing bugs in someone else's project.

majiayu000/spellbook Agent Skills автор: majiayu000 MIT 1 файл тело ≈ 2 319 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Сквозной рабочий процесс внесения вклада в open source: от сканирования проблем до отправки PR.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураGitHubРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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
    • 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 57/100

    • 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: 20, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 46
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2319 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 516 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 46 пунктов
    • +4Есть примеры (14 блоков кода)

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