SKILLEMALL.ai
GitHub ↗ EN Войти

AB review-tooling

Обнаружить инфраструктуру инструментов разработки, имеющуюся в проекте, и отметить пробелы в линтерах, форматерах, хуках pre-commit, тестовых запускателях и конвейерах CI/CD. Возвращает структурированные результаты без применения изменений. Используйте, когда пользователь просит «проверить инструменты», «проверить инструменты проекта», «какие инструменты отсутствуют», «проверить инфраструктуру разработки» или «аудит инструментов».

машинный переводПоказать оригиналСкрыть оригинал«Detect what dev tooling infrastructure a project has and flag gaps acr…»

Detect what dev tooling infrastructure a project has and flag gaps across linters, formatters, pre-commit hooks, test runners, and CI/CD pipelines. Returns structured findings without applying changes. Use when the user asks to "review tooling", "check project tooling", "what tooling is missing", "review dev infrastructure", or "tooling audit".

tobihagemann/turbo Agent Skills автор: tobihagemann MIT 1 файл тело ≈ 1 390 токенов Открыть источникgithub.com↗ проанализирован 4 ч назад

Обнаружить инфраструктуру инструментов разработки, имеющуюся в проекте, и отметить пробелы в линтерах, форматерах, хуках pre-commit, тестовых запускателях и…

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

АнализаторИнфраструктуратип 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
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
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

Такой же скилл встречается ещё в 1 месте: turbo

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 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 (python), 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: 7
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1390 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 346 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 7 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.