SKILLEMALL.ai

BC asc-notarization

Архивируйте, экспортируйте и нотаризуйте приложения macOS с помощью xcodebuild и asc. Используйте, когда вам нужно подготовить приложение macOS для распространения за пределами App Store с подписью Developer ID и нотаризацией Apple.

машинный переводПоказать оригиналСкрыть оригинал«Archive, export, and notarize macOS apps using xcodebuild and asc. Use…»

Archive, export, and notarize macOS apps using xcodebuild and asc. Use when you need to prepare a macOS app for distribution outside the App Store with Developer ID signing and Apple notarization.

Разбор skillemall

Скилл обещает упаковать macOS-приложение, экспортировать и отправить на нотаризацию через xcodebuild и App Store Connect CLI — всё для распространения вне App Store с подписью Developer ID. В файлах всё на месте: одна инструкция на 1724 токена, без скриптов и ссылок в пустоту. Проверки выявили нулевых критических проблем, качество оценили на 84 балла. Процесс-скор 56 — это означает, что инструкция описывает шаги, но не автоматизирует их полностью; придётся вручную вводить команды или адаптировать под свой workflow.

Скилл совместим со всеми популярными ИИ-агентами. Ставить стоит, если нужна справка по нотаризации macOS-приложений и вы готовы следовать инструкциям без полной автоматизации.

rorkai/app-store-connect-cli-skills Agent Skills автор: rorkai 1 файл тело ≈ 1 724 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Архивируйте, экспортируйте и нотаризуйте приложения macOS с помощью xcodebuild и asc.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Входы и предусловия вес 11
0
Когда включается вес 12
20
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 56/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 12
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1724 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 12. 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

    • +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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 196 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 12 пунктов
    • +4Есть примеры (20 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.