SKILLEMALL.ai
GitHub ↗ EN Войти

AC alicloud-platform-openapi-product-api-discovery

Обнаруживает и сопоставляет каталоги продуктов Alibaba Cloud из системы заявок, службы поддержки и BSS OpenAPI; извлекает метаданные продуктов/версий/API из OpenAPI; и обобщает охват API для планирования новых навыков. Используйте, когда вам нужен полный список продуктов, сопоставление продуктов с API или отчеты об охвате/пробелах для создания навыков.

машинный переводПоказать оригиналСкрыть оригинал«Discover and reconcile Alibaba Cloud product catalogs from Ticket Syst…»

Discover and reconcile Alibaba Cloud product catalogs from Ticket System, Support & Service, and BSS OpenAPI; fetch OpenAPI product/version/API metadata; and summarize API coverage to plan new skills. Use when you need a complete product list, product-to-API mapping, or coverage/gap reports for skill generation.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 13 файлов тело ≈ 450 токенов Открыть источникgithub.com↗ проанализирован 28 ч назад

Обнаруживает и сопоставляет каталоги продуктов Alibaba Cloud из системы заявок, службы поддержки и BSS OpenAPI; извлекает метаданные продуктов/версий/API из…

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

ИнтеграцияТексты и документыДанные и аналитикаТорговлятип 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
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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: 13. 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 55/100

    • 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 (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 450 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 313 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 9 скриптов описаны в инструкциях

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