SKILLEMALL.ai
GitHub ↗ EN Войти

BC database-design

Принципы и принятие решений при проектировании баз данных. Проектирование схем, стратегия индексации, выбор ORM, бессерверные базы данных.

машинный переводПоказать оригиналСкрыть оригинал«Database design principles and decision-making. Schema design, indexin…»

Database design principles and decision-making. Schema design, indexing strategy, ORM selection, serverless databases.

Разбор skillemall

Скилл учит ИИ-агента принимать решения по архитектуре БД: схема, индексы, выбор ORM, serverless-варианты. В папке восемь файлов, один скрипт, полтысячи токенов текста. Проверки выявили оценку B с качеством 80 процентов, процесс прошёл на 64 процента.

Критических проблем нет, ссылки целые, синтаксис чистый. Модель не прогонялась, песочница не тестировала. Платформы поддерживаются широко — от Claude до DeepSeek. Ставить можно, если нужен помощник, который будет советовать по схемам и индексам, но без гарантий на production-решения.

sickn33/agentic-awesome-skills Agent Skills автор: sickn33 MIT 8 файлов · 1 скрипт тело ≈ 538 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Принципы и принятие решений при проектировании баз данных.

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ГенераторPostgreSQLИнфраструктуратип 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
64/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: 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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 8. 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 64/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 11
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 538 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)
    • +3Длина description 118: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +3Все 1 скриптов описаны в инструкциях

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