SKILLEMALL.ai

BC warehouse

Планируйте и анализируйте анализ хранилища данных только для чтения с явным указанием области действия, конфиденциальности, происхождения и проверок валидации.

машинный переводПоказать оригиналСкрыть оригинал«Plan and review read-only data warehouse analysis with explicit scope,…»

Plan and review read-only data warehouse analysis with explicit scope, privacy, provenance, and validation checks.

Разбор skillemall

Скилл предлагает структурированный подход к анализу данных в хранилище: явно определяет область, проверяет приватность и происхождение данных, валидирует результаты. На бумаге звучит разумно.

Один файл, 1617 токенов кода. Safety-скор 100, quality 85, process всего 62 — тут слабое место. Критических находок нет, но процесс валидации недостаточно проработан. На моделях не тестировался, в песочнице не проверялся. Поддерживает широкий набор платформ, включая Claude и Cursor.

Ставить можно, если вам нужна шаблонная логика для read-only анализа и вы готовы доделывать проверки под свои данные. Без прогонов на реальных случаях рисковать не стоит.

sickn33/agentic-awesome-skills Agent Skills автор: sickn33 MIT 1 файл тело ≈ 1 617 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Планируйте и анализируйте анализ хранилища данных только для чтения с явным указанием области действия, конфиденциальности, происхождения и проверок валидации.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 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 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 49
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1617 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
    • +3Длина description 114: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 49 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.