SKILLEMALL.ai
GitHub ↗ EN Войти

BC figma-integration

Поддерживайте синхронизацию Figma и кода. Сопоставьте 3-уровневые токены DTCG с переменными Figma (коллекции + режимы), синхронизируйте в любом направлении, используйте MCP Figma при подключении и проверяйте соответствие компонентов (варианты/состояния). Используйте, когда пользователь хочет загрузить токены/компоненты в Figma, импортировать дизайн в код, настроить синхронизацию токенов↔переменных или проверить расхождение дизайна и кода.

машинный переводПоказать оригиналСкрыть оригинал«Keep Figma and code in sync. Map the 3-tier DTCG tokens to Figma Varia…»

Keep Figma and code in sync. Map the 3-tier DTCG tokens to Figma Variables (collections + modes), sync in either direction, use the Figma MCP when connected, and verify component parity (variants/states). Use when the user wants to push tokens/components to Figma, pull a design into code, set up token↔Variable sync, or check design-code drift.

plugin87/ux-ui-agent-skills Agent Skills автор: plugin87 1 файл тело ≈ 487 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Поддерживайте синхронизацию Figma и кода.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ИнтеграцияFigmaДизайнРазработкатип 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
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 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 63/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 9
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 487 токенов

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 345 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 3 заголовков
    • +3Пошаговые инструкции: 9 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.