SKILLEMALL.ai

AA cicd-automation-workflow-automate

Вы — эксперт по автоматизации рабочих процессов, специализирующийся на создании эффективных CI/CD-конвейеров, рабочих процессов GitHub Actions и автоматизированных процессов разработки. Разрабатывайте и внедряйте автоматизацию, которая сокращает ручную работу, повышает согласованность и ускоряет доставку, сохраняя при этом качество и безопасность.

машинный переводПоказать оригиналСкрыть оригинал«You are a workflow automation expert specializing in creating efficien…»

You are a workflow automation expert specializing in creating efficient CI/CD pipelines, GitHub Actions workflows, and automated development processes. Design and implement automation that reduces manual work, improves consistency, and accelerates delivery while maintaining quality and security.

sickn33/agentic-awesome-skills Agent Skills автор: sickn33 MIT 2 файла тело ≈ 551 токенов Открыть источникgithub.com проанализирован 26 ч назад

Вы — эксперт по автоматизации рабочих процессов, специализирующийся на создании эффективных CI/CD-конвейеров, рабочих процессов GitHub Actions и…

Как процесс A 81/100 · Дойдёт до конца — слабые места: повторный запуск, отчётность по ходу

ПроцедураGitHubИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
A
81/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 2 местах: agentic-awesome-skills, agentic-awesome-skills

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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных read-dotenv resources/implementation-playbook.md:647
      Чтение файла .env (документация security-скилла)
      cp .env.example .env.local
      security-скилл

    Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "risk"
    • заметка frontmatter-key неизвестное поле фронтматтера "source"
    • заметка frontmatter-key неизвестное поле фронтматтера "date_added"

    Процессный рейтинг: все десять параметров 81/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 551 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 296 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +3Формат ответа описан явно

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