SKILLEMALL.ai
GitHub ↗ EN Войти

AC github-intel

Анализ любого репозитория GitHub в формате, удобном для ИИ. Преобразование целых репозиториев в отдельные markdown-документы, создание диаграмм архитектуры с помощью Mermaid, проверка деревьев структуры, разбивка по языкам и недавняя активность. Включает трюки с URL GitHub, ярлыки API и продвинутые методы поиска. Только чтение — код из репозиториев никогда не выполняется. Создано для ИИ-агентов — только стандартная библиотека Python, без зависимостей. Используйте для анализа репозиториев, обзора архитектуры кода, исследования open source, анализа GitHub, документации репозиториев и понимания кодовой базы.

машинный переводПоказать оригиналСкрыть оригинал«Analyze any GitHub repository in AI-friendly format. Convert entire re…»

Analyze any GitHub repository in AI-friendly format. Convert entire repos to single markdown documents, generate architecture diagrams with Mermaid, inspect structure trees, language breakdowns, and recent activity. Includes GitHub URL tricks, API shortcuts, and advanced search techniques. Read-only analysis — never executes code from repositories. Built for AI agents — Python stdlib only, no dependencies. Use for repository analysis, code architecture review, open source research, GitHub intelligence, repo documentation, and codebase understanding.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 4 файла тело ≈ 954 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Анализ любого репозитория GitHub в формате, удобном для ИИ.

Как процесс C 55/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки, согласованность

АнализаторGitHubРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 55/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (github-intel) не совпадает с папкой (a6-github-intel)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 14
    • 100Стоимость исполнения. Тело инструкции 954 токенов

    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)
    • +2Инструкции на одном языке
    • +3Длина description 555 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 2 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.