BD cpu-profile-analysis
Анализируйте профили CPU V8/Chrome (.cpuprofile) и файлы трассировки DevTools (Trace-*.json). Используйте при: профилировании производительности, исследовании медленных функций, сравнении путей кода, поиске узких мест, анализе времени до запроса, понимании деревьев вызовов из данных дискретного профилировщика, анализе макетов/отрисовки/рендеринга, исследовании пользовательских меток времени.
машинный переводПоказать оригиналСкрыть оригинал«Analyze V8/Chrome CPU profiles (.cpuprofile) and DevTools trace files…»
Analyze V8/Chrome CPU profiles (.cpuprofile) and DevTools trace files (Trace-*.json). Use when: profiling performance, investigating slow functions, comparing code paths, finding bottlenecks, analyzing timeToRequest, understanding call trees from sampling profiler data, analyzing layout/paint/rendering, investigating user timing marks.
Скилл берётся разбирать CPU-профили Chrome и DevTools trace-файлы — ловить узкие места в производительности, искать медленные функции, анализировать call tree. На бумаге логично: профилирование, рендеринг, user timing — всё там.
Но вот беда: реальных проверок нет. Модель не запускали, песочница не трогали, находок критических нет. Quality score 74 — это как сказать «работает, но не проверили». Один файл в папке, никаких скриптов. Скилл обещает анализ, но что именно он вытягивает из JSON и как это преподносит — неясно. Без примера работы на реальном профиле сложно понять, справится ли он с вложенными call tree или запутается в метриках.
Ставить можно, если готовы к экспериментам. Для боевой отладки производительности — рискованно.
Анализируйте профили CPU V8/Chrome (.cpuprofile) и файлы трассировки DevTools (Trace-.json). Используйте при: профилировании производительности, исследовании…
Как процесс D 42/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
- предупреждение
body-longтело SKILL.md ≈ 5637 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 42/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (read, node), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 5637 токенов
- 85Шаги. Шагов: 55, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
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 337 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 38 заголовков
- +3Пошаговые инструкции: 55 пунктов
- +4Есть примеры (17 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.