AB chaos-engineering
Проверка устойчивости системы путем контролируемого внесения сбоев. Охватывает хаос-эксперименты на основе гипотез, типы внесения сбоев (сеть, сервис, инфраструктура, зависимости), инструменты LitmusChaos/Chaos Mesh/AWS FIS/Gremlin/toxiproxy, автоматизированные блокировки прерывания, планирование игровых дней и постепенное внедрение хаоса. Используйте, когда: «хаос-инжиниринг», «внесение сбоев», «тест на устойчивость», «игровой день», «восстановление после сбоя», «надежность системы», «радиус поражения». Не для: безопасных флагов развертывания/канареечных/темных запусков во время релиза — используйте тестирование в продакшене; проектирования новых тестов на основе производственной телеметрии — используйте тестирование на основе наблюдаемости. Связанные темы: тестирование в продакшене, тестирование на основе наблюдаемости, тестирование производительности, готовность к релизу, тестовые среды.
машинный переводПоказать оригиналСкрыть оригинал«Validate system resilience through controlled fault injection. Covers…»
Validate system resilience through controlled fault injection. Covers hypothesis-driven chaos experiments, failure injection types (network, service, infrastructure, dependency), LitmusChaos/Chaos Mesh/AWS FIS/Gremlin/toxiproxy tooling, automated abort gating, game day planning, and progressive chaos adoption. Use when: "chaos engineering," "fault injection," "resilience test," "game day," "failure recovery," "system reliability," "blast radius." Not for: safe rollout flags/canary/dark launch during a release — use testing-in-production; designing new tests from production telemetry — use observability-driven-testing. Related: testing-in-production, observability-driven-testing, performance-testing, release-readiness, test-environments.
Проверка устойчивости системы путем контролируемого внесения сбоев.
Как процесс B 79/100 · Почти готов — слабые места: результат и критерий готовности, отчётность по ходу
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 5977 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 79/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 5977 токенов
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 31
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 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 746 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 40 заголовков
- +3Пошаговые инструкции: 31 пунктов
- +4Есть примеры (10 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.