SKILLEMALL.ai
GitHub ↗ EN Войти

AA greploop

Итеративно улучшает PR (GitHub), MR (GitLab) или отложенный список изменений (Perforce) до тех пор, пока Greptile не поставит ему оценку уверенности 5/5 без неурегулированных комментариев. Запускает проверку Greptile, исправляет все применимые комментарии, отправляет/откладывает снова, повторно запускает проверку и повторяет. Используйте, когда пользователь хочет полностью оптимизировать PR/MR/CL в соответствии со стандартами проверки кода Greptile.

машинный переводПоказать оригиналСкрыть оригинал«Iteratively improves a PR (GitHub), MR (GitLab), or shelved changelist…»

Iteratively improves a PR (GitHub), MR (GitLab), or shelved changelist (Perforce) until Greptile gives it a 5/5 confidence score with zero unresolved comments. Triggers Greptile review, fixes all actionable comments, pushes/re-shelves, re-triggers review, and repeats. Use when the user wants to fully optimize a PR/MR/CL against Greptile's code review standards.

onyx-dot-app/onyx Agent Skills автор: onyx-dot-app NOASSERTION 3 файла тело ≈ 3 096 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Итеративно улучшает PR (GitHub), MR (GitLab) или отложенный список изменений (Perforce) до тех пор, пока Greptile не поставит ему оценку уверенности 5/5 без…

Как процесс A 81/100 · Дойдёт до конца — слабые места: отчётность по ходу

АнализаторGitHubGitLabРазработкаДанные и аналитикатип 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
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
A
81/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
50
Результат и критерий готовности вес 14
60
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: 3. 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 81/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 17
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3096 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)
    • +2Инструкции на одном языке
    • +3Длина description 363 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (31 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.