AB ai-bug-triage
Гибридный конвейер на основе отпечатков пальцев + LLM для классификации ошибок, дедупликации и создания тикетов. Нормализует логи CI, создает стабильные отпечатки, кластеризует близкие дубликаты, затем использует LLM для классификации серьезности и написания тикетов. Включает шаблоны отчетов об ошибках и матрицу серьезности/приоритета. Используйте, когда: "триаж ошибок", "классифицировать ошибки", "анализ сбоев", "автоматическая классификация", "сбои CI", "отчет об ошибке", "шаблон дефекта". Не для: самовосстановления одного нестабильного локатора во время выполнения — используйте test-reliability. Не для: проектирования новых тестов на основе телеметрии продакшена — используйте observability-driven-testing. Связанные: qa-metrics, qa-dashboard, ci-cd-integration, qa-project-context.
машинный переводПоказать оригиналСкрыть оригинал«Hybrid fingerprint + LLM pipeline for bug classification, deduplicatio…»
Hybrid fingerprint + LLM pipeline for bug classification, deduplication, and ticket generation. Normalizes CI logs, creates stable fingerprints, clusters near-duplicates, then uses LLM for severity classification and ticket writing. Includes bug reporting templates and severity/priority matrix. Use when: "bug triage," "classify bugs," "failure analysis," "auto-classify," "CI failures," "bug report," "defect template." Not for: runtime self-healing of one flaky locator — use test-reliability. Not for: designing new tests from production telemetry — use observability-driven-testing. Related: qa-metrics, qa-dashboard, ci-cd-integration, qa-project-context.
Гибридный конвейер на основе отпечатков пальцев + LLM для классификации ошибок, дедупликации и создания тикетов.
Как процесс B 68/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
- предупреждение
body-longтело SKILL.md ≈ 5041 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 68/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Стоимость исполнения. Тело инструкции 5041 токенов
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 72
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
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
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +5В description 7 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 661 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 33 заголовков
- +3Пошаговые инструкции: 72 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.