SKILLEMALL.ai
GitHub ↗ EN Войти

AB release-readiness

Проверяет готовность к релизу с помощью обоснованных решений go/no-go. Охватывает чек-листы go/no-go, дизайн набора дымовых тестов, валидацию поэтапной выкатки, критерии и процедуры отката, а также проверку после развертывания. Гарантирует, что уверенность в релизе исходит от данных, а не от ощущений. Используйте, когда: "готов к релизу", "go/no-go", "дымовой тест", "чек-лист релиза", "план отката", "поэтапная выкатка", "канареечный релиз". Не для: методов безопасного релиза (флаги, канареечный, темный запуск), применяемых во время самой выкатки — используйте testing-in-production; запланированных проверок, которые выполняются непрерывно после релиза — используйте synthetic-monitoring; разработки новых тестов на основе данных продакшена — используйте observability-driven-testing. Связанные: testing-in-production, qa-metrics, ci-cd-integration, ai-system-testing.

машинный переводПоказать оригиналСкрыть оригинал«Validate release readiness with evidence-based go/no-go decisions. Cov…»

Validate release readiness with evidence-based go/no-go decisions. Covers go/no-go checklists, smoke test suite design, staged rollout validation, rollback criteria and procedures, and post-deployment verification. Ensures release confidence comes from data, not feelings. Use when: "release ready," "go/no-go," "smoke test," "release checklist," "rollback plan," "staged rollout," "canary deploy." Not for: safe-release techniques (flags, canary, dark launch) applied during the rollout itself — use testing-in-production; scheduled probes that run continuously after release — use synthetic-monitoring; designing new tests from prod telemetry — use observability-driven-testing. Related: testing-in-production, qa-metrics, ci-cd-integration, ai-system-testing.

petrkindlmann/qa-skills Agent Skills автор: petrkindlmann MIT 3 файла тело ≈ 6 439 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Проверяет готовность к релизу с помощью обоснованных решений go/no-go.

Как процесс B 71/100 · Почти готов — слабые места: результат и критерий готовности

АнализаторИнфраструктуратип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Результат и критерий готовности вес 14
40
Когда включается вес 12
50
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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

  • предупреждение body-long тело SKILL.md ≈ 6439 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 264): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 71/100

  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6439 токенов
  • 85Шаги. Шагов: 141, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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 762 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 48 заголовков
  • +3Пошаговые инструкции: 141 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.