SKILLEMALL.ai
GitHub ↗ EN Войти

DD fixissueno

исправитьПроблемуНет

машинный переводПоказать оригиналСкрыть оригинал«fixIssueNo…»

fixIssueNo

Разбор skillemall

Скилл обещает помочь с номерами ошибок — судя по названию и источнику из VS Code. В папке один файл, 58 токенов текста. Проверки показали: качество 35 баллов, процесс 36 баллов, оценка D. Критических находок нет, но и моделей не запускали, песочницу не трогали.

Данных мало, чтобы понять, что скилл реально делает. Платформ поддерживает много, но это не компенсирует скудность содержимого. Ставить имеет смысл только если вы уже знаете, для чего он нужен и готовы разбираться самостоятельно.

microsoft/vscode Claude Code автор: microsoft MIT 1 файл тело ≈ 58 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

исправитьПроблемуНет

Как процесс D 36/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

СправочникОперации и проектытип 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
D
74/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
35
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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

  • предупреждение description-short description короче 40 символов: модели не хватит сигнала для срабатывания
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 36/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 58 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +3Длина description 10: рекомендуется 120–800 символов
  • +4Структура: 0 заголовков, инструкции сложно сканировать
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -15Тело SKILL.md короче 300 символов: скилл почти пустой
  • +1Лицензия не указана
  • +2Инструкции на одном языке

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 35.