SKILLEMALL.ai
GitHub ↗ EN Войти

CC update-pr

Обновите pull request для текущего сеанса. Используйте, когда пользователь хочет отправить новые изменения в существующий PR.

машинный переводПоказать оригиналСкрыть оригинал«Update the pull request for the current session. Use when the user wan…»

Update the pull request for the current session. Use when the user wants to push new changes to an existing PR.

Разбор skillemall

Скилл обещает обновить существующий pull request новыми изменениями. Папка содержит один файл инструкций на 214 токенов — минимум для полноценного воркфлоу. Оценка качества 73 балла, процесс 59 — разрыв указывает на пробелы в логике исполнения. Критических проблем не найдено, но среднего и низкого уровня находок тоже нет данных.

Скилл поддерживает широкий спектр платформ: Claude, Cursor, Copilot, DeepSeek и прочие. Без песочницы и прогонов на моделях сложно судить, как он ведёт себя на реальных PR. Ставить можно, если вам нужна базовая автоматизация обновления, но рассчитывайте на то, что придётся допиливать под свой workflow.

microsoft/vscode Agent Skills автор: microsoft MIT 1 файл тело ≈ 214 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Обновите pull request для текущего сеанса.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураРазработкатип 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%
73
Прогон на моделях
не было
Процессный рейтинг
C
59/100
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 59/100

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 5
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 214 токенов
    • 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)
    • +3Длина description 111: рекомендуется 120–800 символов
    • +4Структура: 1 заголовков, инструкции сложно сканировать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Пошаговые инструкции: 5 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.