SKILLEMALL.ai

AC incremental-implementation

Вносите изменения небольшими, индивидуально проверенными шагами, каждый из которых оставляет систему рабочей — вместо радикальных изменений, которые таинственно проваливаются в конце. Используйте при внедрении многокомпонентных функций, рефакторинге любой критически важной части, внесении крупных механических изменений или когда предыдущая работа привела к огромным различиям, которые оказались неверными где-то неуловимо. Создает то же конечное состояние, что и при радикальном изменении, достигнутое через проверенные контрольные точки, на которых можно остановиться, выпустить или откатить.

машинный переводПоказать оригиналСкрыть оригинал«Build in small, individually-verified increments that each leave the s…»

Build in small, individually-verified increments that each leave the system working — instead of big-bang changes that fail mysteriously at the end. Use when implementing multi-part features, refactoring anything load-bearing, making large mechanical changes, or when past work produced huge diffs that were wrong somewhere unfindable. Produces the same end state as the big bang, reached through verified checkpoints you can stop at, ship from, or roll back to.

mohitagw15856/pm-claude-skills Agent Skills автор: mohitagw15856 MIT 1 файл тело ≈ 990 токенов Открыть источникgithub.com проанализирован 2 дн назад

Вносите изменения небольшими, индивидуально проверенными шагами, каждый из которых оставляет систему рабочей — вместо радикальных изменений, которые…

Как процесс C 64/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 2 местах: pm-claude-skills, pm-claude-skills

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 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 19
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 990 токенов
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 462 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.