SKILLEMALL.ai

BC http-load-profiler

Выполняет пошаговые HTTP-нагрузочные тесты с помощью ab/wrk, увеличивая уровни параллелизма для сбора задержек p50/p90/p99, обнаружения точек изгиба производительности и рекомендации оптимального параллелизма. Активируется запросами вроде «нагрузочное тестирование этого URL», «бенчмаркинг моего API», «найти максимальный параллелизм» или упоминаниями задержки p99, насыщения пропускной способности или планирования мощностей.

машинный переводПоказать оригиналСкрыть оригинал«Run stepped HTTP load tests with ab/wrk, ramping concurrency levels to…»

Run stepped HTTP load tests with ab/wrk, ramping concurrency levels to collect p50/p90/p99 latency, detect performance inflection points, and recommend optimal concurrency. Triggered by requests like 'load test this URL', 'benchmark my API', 'find the max concurrency', or mentions of p99 latency, throughput saturation, or capacity planning.

zebbern/claude-code-guide Agent Skills автор: zebbern 3 файла · 1 скрипт тело ≈ 1 435 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Выполняет пошаговые HTTP-нагрузочные тесты с помощью ab/wrk, увеличивая уровни параллелизма для сбора задержек p50/p90/p99, обнаружения точек изгиба…

Как процесс C 60/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки, повторный запуск

ИнтеграцияДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
60/100
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

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "type"

Процессный рейтинг: все десять параметров 60/100

  • 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: 3, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1435 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)
  • +2Инструкции на одном языке
  • +3Длина description 342 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (4 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.