BD author-contributions
Определите все файлы, в которые внес вклад конкретный автор в ветке по сравнению с ее вышестоящей веткой, отслеживая код через переименования. Используйте при запросе, кто что редактировал, какой код внес автор, или для аудита авторства перед слиянием. Этот навык следует запускать как субагент — он выполняет множество операций git и возвращает краткую таблицу.
машинный переводПоказать оригиналСкрыть оригинал«Identify all files a specific author contributed to on a branch vs its…»
Identify all files a specific author contributed to on a branch vs its upstream, tracing code through renames. Use when asked who edited what, what code an author contributed, or to audit authorship before a merge. This skill should be run as a subagent — it performs many git operations and returns a concise table.
Скилл обещает вычислить, какие файлы трогал конкретный автор на ветке относительно апстрима, с учётом переименований. Нужен для аудита авторства перед мёржем и ответов на вопрос «кто это писал».
В файле 1586 токенов инструкции, критических ошибок нет. Оценки: качество 84, процесс 48 — расчёты работают, но инструкция не очень плотная. Скилл рассчитан на запуск как сабагент, возвращает таблицу. Поддерживается везде: от Claude до DeepSeek.
Проблема в том, что git-операции требуют корректного контекста репозитория. Если веткование запутано или история переписана, скилл может отдать неполный результат. Для простых случаев (линейная история, чистые переименования) работает. Для боевых проектов стоит проверить результат вручную — таблица это только первый срез.
Определите все файлы, в которые внес вклад конкретный автор в ветке по сравнению с ее вышестоящей веткой, отслеживая код через переименования.
Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Такой же скилл встречается ещё в 1 месте: RA-Skills
Как улучшить
- 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 48/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 8
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1586 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 316 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Есть примеры (9 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.