SKILLEMALL.ai
GitHub ↗ EN Войти

AB architecture-review

Анализируйте архитектуру репозитория с помощью Ontoly Software Graph и возможностей MCP. Используйте, когда вас просят объяснить архитектуру, границы модулей, топологию пакетов, владение сервисами или архитектурные риски.

машинный переводПоказать оригиналСкрыть оригинал«Review repository architecture using Ontoly Software Graph and MCP cap…»

Review repository architecture using Ontoly Software Graph and MCP capabilities. Use when asked to explain architecture, module boundaries, package topology, service ownership, or architectural risk.

sickn33/agentic-awesome-skills Agent Skills автор: sickn33 MIT 10 файлов тело ≈ 469 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Анализируйте архитектуру репозитория с помощью Ontoly Software Graph и возможностей MCP.

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

АнализаторРазработкаИИ и агентытип 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
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
50
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: architecture-review (sickn33/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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

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

    Процессный рейтинг: все десять параметров 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 16
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 469 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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)
    • +2Инструкции на одном языке
    • +3Длина description 199 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (6 из 6)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.