SKILLEMALL.ai

BC simplify-code

Проведите многоагентное ревью измененных файлов на предмет области применения, повторного использования, качества, эффективности, ясности и проблем на высоком уровне, а затем внесите исправления. Используйте, когда пользователь просит "упростить код", "отревизовать измененный код", "проверить на повторное использование кода", "отревизовать качество кода", "отревизовать эффективность", "упростить изменения", "привести код в порядок", "рефакторить изменения" или "запустить упрощение".

машинный переводПоказать оригиналСкрыть оригинал«Run a multi-agent review of changed files for scope, reuse, quality, e…»

Run a multi-agent review of changed files for scope, reuse, quality, efficiency, clarity, and altitude issues followed by fixes. Use when the user asks to "simplify code", "review changed code", "check for code reuse", "review code quality", "review efficiency", "simplify changes", "clean up code", "refactor changes", or "run simplify".

tobihagemann/turbo Agent Skills автор: tobihagemann MIT 1 файл тело ≈ 2 957 токенов Открыть источникgithub.com проанализирован 4 ч назад

Проведите многоагентное ревью измененных файлов на предмет области применения, повторного использования, качества, эффективности, ясности и проблем на высоком…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторРазработкаИИ и агентытип 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
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web, git), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 38
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2957 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 9 примера фраз-триггеров в кавычках
    • +3Длина description 338 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 38 пунктов

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