SKILLEMALL.ai
GitHub ↗ EN Войти

CC flaky-smoke-tests

Диагностируйте периодические сбои тестов VS Code Electron smoke-test из конвейера Azure DevOps Flaky Smoke Tests (определение 700). Охватывает поиск неудачных итераций, загрузку журналов задач и артефактов платформы с помощью Azure CLI, сопоставление кумулятивных журналов исполнителя, отслеживание вносящего коммита и постановку в очередь сфокусированных проверочных запусков.

машинный переводПоказать оригиналСкрыть оригинал«Diagnose intermittent VS Code Electron smoke-test failures from the Az…»

Diagnose intermittent VS Code Electron smoke-test failures from the Azure DevOps Flaky Smoke Tests pipeline (definition 700). Covers finding failed iterations, downloading task logs and platform artifacts with Azure CLI, correlating cumulative runner logs, tracing the introducing commit, and queueing focused validation runs.

Разбор skillemall

Скилл обещает помочь разобраться с нестабильными smoke-тестами VS Code в Azure DevOps: найти упавшие прогоны, скачать логи и артефакты, связать их в единую картину, найти коммит-виновника и запустить фокусированную валидацию. На практике — файл с инструкцией, без скриптов. Качество текста 72 балла, процесс 62. Критических ошибок нет, но и готовых команд для автоматизации нет: придётся вручную гонять Azure CLI и искать паттерны в логах.

Для тех, кто уже знает, как устроен пайплайн и что ищет в логах, — справочник, который сэкономит время на поиск нужных флагов и порядка действий. Для остальных — инструкция, которую нужно переводить в боевые команды самостоятельно. Ставить, если вы регулярно охотитесь за flaky-тестами в VS Code и вам нужен чек-лист.

microsoft/vscode Agent Skills автор: microsoft MIT 1 файл тело ≈ 3 144 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Диагностируйте периодические сбои тестов VS Code Electron smoke-test из конвейера Azure DevOps Flaky Smoke Tests (определение 700).

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск

АнализаторAzureVS CodeИнфраструктуратип 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
C
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 235): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 62/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 30Повторный запуск. Изменяющих операций: 18, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 59
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3144 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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 326 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 59 пунктов
  • +4Есть примеры (13 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.