@mhawthorne

Créateur · mhawthorne

Dernière mise à jour · 21 août 2026

gza-log-insights

Revoir · 59Indexé dans Registry

Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or workflow improvements

Trust Score OpenAgentSkill
59/100

Do not auto-install

Qualité57/100
Audit73/100
Stars11
Verified installs0

Cibles d’installation

Prompt d’installation Codex

Install the "gza-log-insights" agent skill from https://github.com/mhawthorne/gza/tree/main/src/gza/skills/gza-log-insights. Read its SKILL.md or equivalent instructions first, install only the files needed for this workspace, and summarize any required setup before using it. Skill purpose: Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or workflow improvements After the install attempt, report the result to https://www.openagentskill.com/api/agent/outcome with POST JSON {"event_id":"install_<unique-id>","skill_slug":"mhawthorne-gza-log-insights","task":"Install gza-log-insights","agent":"codex","outcome":"success","install_used":true}. Replace event_id with a unique value and outcome with success or failed. Report success only after the skill is installed and a minimal verification passes.

Profil de l’actif

Agents de code et de développement

Code review, repo analysis, testing, CI, GitHub, DevOps, and developer workflow skills.

Voir la catégorie

Scénario

GitHub automation

I need my agent to triage GitHub issues, review pull requests, and summarize repository changes.

Adéquation Agent

Claude Code + CLI + Codex

Compatible avec Codex, Claude Code, Cursor, CLI ou des Agents personnalisés.

Installer

Prêt

npx skills add mhawthorne/gza --skill gza-log-insights

Maintenance

À jour

3 jours depuis le dernier push

Risque

Revue nécessaire

Permission surface may require sandboxing

Qualité GitHub

11

57/100 Qualité · 67/100 Confiance

Tags de couverture

CodingGitHub automationautomationagent-skill

Notes de revue

Permission surface may require sandboxing · No critical security, quality, usefulness, or compliance issues found.

Carte d’adoption Agent

Confiance, audit et préparation à l’installation en un coup d’œil

Ces scores combinent les métadonnées publiques du dépôt, les signaux de revue OpenAgentSkill, la fraîcheur de maintenance et la préparation à l’installation. Ils servent à présélectionner et ne remplacent pas la revue humaine.

Qualité

Prometteur
57

Useful candidate, but compare it with alternatives before adopting.

Confiance

Do not auto-install
59

Trust Score v5 found insufficient evidence for agent installation. Treat this as discovery material, not an executable recommendation.

Audit

Revue nécessaire
73

Revue lisible par machine de la préparation à l’installation, des métadonnées de sécurité, de la maintenance et du risque d’adoption.

Trust Score OpenAgentSkill v5

Revue humaine avant installation

Choose a stronger alternative or inspect the source manually before any install attempt.

CodexClaude CodeCursorOpenAgentSkill CLI

Stars

11 stars GitHub

Activité du dépôt

11 stars et 1 forks

Maintenance

3 jours depuis le dernier push

Licence

MIT

Installer

npx skills add mhawthorne/gza --skill gza-log-insights

Sécurité d’installation

Chemin d’installation standard de package ou runtime

Surface de permissions

shell or command execution, filesystem or document access

Résultats Agent

Pas encore de données de résultats Agent

Documentation

Contexte README/SKILL.md solide

Résumé des risques

Revoir avant production

  • No critical security, quality, usefulness, or compliance issues found.
  • Low GitHub adoption signal
  • Quality score needs review
  • Permission surface needs review: shell or command execution, filesystem or document access

Préparation à l’installation

Chemin d’installation disponible

  • Le chemin d’installation est disponible
  • La preuve du dépôt est disponible
  • La licence est déclarée
  • Pas encore de preuve de résultat Agent-Proven

Métadonnées lisibles par Agent

Données de décision lisibles par machine pour ce skill.

Utilisez ce bloc ou le JSON intégré pour décider si un Agent doit installer ce skill, choisir une alternative ou demander d’abord une revue humaine.

View technical data+

Tâches adaptées

  • workflows Browser automation
  • Équipes Claude Code
  • builders willing to evaluate younger projects
  • Navigate pages

Agents adaptés

CodexClaude CodeCursorOpenAgentSkill CLICLI

Décision d’installation

Commande
npx skills add mhawthorne/gza --skill gza-log-insights
Politique
Revoir
Revue humaine
Oui

Confiance et risque

Confiance
59/100
Audit
73/100
Niveau de risque
Revue nécessaire

Boucle de résultat

Endpoint
/api/agent/outcome
ID d’événement
resolve
Résultats
5

Commande d’installation

npx skills add mhawthorne/gza --skill gza-log-insights

Ne pas utiliser quand

  • Équipes qui nécessitent un SLA soutenu par le fournisseur
  • production agents without a repository review
  • Low GitHub adoption signal
  • No critical security, quality, usefulness, or compliance issues found.
  • Indices de permissions à haut risque : exécution shell ou de commande

Sécurité Agent v2

41/100 · Éviter l’installation automatique

ExpérimentalRevoir

Sparse or mixed signals. Useful for discovery, but not for autonomous installation.

Test manually in an isolated workspace and compare against safer alternatives.

Résoudre via API

Élevé

Exécution shell ou de commande

Les métadonnées de la skill font référence à des workflows de terminal, CLI, shell, sous-processus ou exécution de commande.

Moyen

Accès réseau

La skill récupère probablement des pages distantes, API, dépôts ou services externes.

Moyen

Accès au système de fichiers

La skill peut lire ou écrire des fichiers de projet, documents, artefacts générés ou l’état local de l’espace de travail.

Moyen

Accès à la base de données

La skill peut inspecter des schémas, interroger des bases de données ou travailler avec des stockages persistants.

  • Indices de permissions à haut risque : exécution shell ou de commande
  • Permission surface may require sandboxing

Plan de résolution Agent

Laissez un Agent vérifier la pertinence avant l’installation.

L’API Resolve renvoie la skill sélectionnée, des alternatives, la politique de sécurité, les notes d’audit, la cible d’installation et un prompt prêt à l’emploi.

Ouvrir le plan texte

L’Agent doit vérifier

  • Task fit and alternatives from Resolve API.
  • Audit score, trust score, and safety policy warnings.
  • Install target compatibility for Codex, Claude Code, Cursor, or CLI.

Copier le prompt

Task: Use gza-log-insights in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20gza-log-insights%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/mhawthorne-gza-log-insights/install
Install command: npx skills add mhawthorne/gza --skill gza-log-insights
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.

Relais Agent

Donnez à l’Agent le chemin d’installation, pas un autre annuaire.

Utilisez le point de terminaison public pour récupérer la commande, la checklist, les prompts et les liens canoniques.

Ouvrir l’API d’installation

Prompt Agent

Use gza-log-insights for this task. Review https://www.openagentskill.com/api/skills/mhawthorne-gza-log-insights/install, then install with: npx skills add mhawthorne/gza --skill gza-log-insights

Métadonnées Registry

Profil lisible par Agent pour la sélection automatique de skills.

L’API Registry fournit les signaux de décision, confiance, audit, cas d’usage et installation sans analyser l’interface.

Ouvrir Manifest

Adéquation Agent

57/100

Browser automation

Plateformes

Claude Code

Rapport d’audit

Revue nécessaire · 73/100

Revue lisible par machine de la préparation à l’installation, des métadonnées de sécurité, de la maintenance et du risque d’adoption.

Voir le rapport d’auditVoir le rapport d’évaluation

Panneau de décision Agent

Needs validation for Browser automation

Do a manual repository review before adding this to an agent workflow.

57
Préparation
Revoir
Étape

Rôle dans la pile

Validation nécessaire

Pertinence principale

Browser automation

Libellé de confiance

Revue manuelle nécessaire

Chemin d’installation

Commande prête

À utiliser lorsque

  • workflows Browser automation
  • Équipes Claude Code
  • builders willing to evaluate younger projects

Preuves

  • recent repository activity
  • install command or GitHub repo available
  • profil qualité 57/100
  • 2 événements OpenAgentSkill

revoir d’abord

  • Low GitHub adoption signal
  • No critical security, quality, usefulness, or compliance issues found.

Chemin d’implémentation

  1. 1Installez-le dans un Agent en sandbox et exécutez une tâche de Browser automation de bout en bout.
  2. 2Compare output quality, latency, and failure behavior against at least one alternative.
  3. 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.

Profil de confiance

Do not auto-install

Trust Score v5 found insufficient evidence for agent installation. Treat this as discovery material, not an executable recommendation.

59
Trust Score OpenAgentSkill

Adoption GitHub

Corriger

11 stars GitHub

Activité stars/forks

Corriger

11 stars et 1 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Maintenance récente

Validé

3 jours depuis le dernier push

Clarté de licence

Validé

MIT

Signaux positifs

  • Revue IA approuvée
  • Le chemin d’installation est disponible
  • La preuve du dépôt est disponible
  • Dépôt maintenu récemment
  • La commande d’installation ne présente aucun motif de haut risque évident
  • La boucle de résultats est prête mais nécessite la première exécution réelle de l’Agent

Réviser avant installation

  • No critical security, quality, usefulness, or compliance issues found.
  • Low GitHub adoption signal
  • Quality score needs review
  • Permission surface needs review: shell or command execution, filesystem or document access
  • GitHub adoption: 11 GitHub stars
  • Stars/forks activity: 11 stars, 1 forks; issue activity unavailable in current metadata
  • Permission surface: shell or command execution, filesystem or document access
  • Pas encore de rapports de résultats Agent réels
  • Une revue humaine est requise avant une installation sans surveillance

Action recommandée

Choose a stronger alternative or inspect the source manually before any install attempt.

Profil qualité

Prometteur candidat pour les workflows Agent

Useful candidate, but compare it with alternatives before adopting.

57
Stars GitHub
11
Actualité
il y a 3 jours
Prêt à installer
Oui
Licence
MIT
Réviser avant installation: Low GitHub adoption signal · No critical security, quality, usefulness, or compliance issues found.

Adéquation au workflow

Utilisez cette skill dans ces scénarios

Adéquation au workflow

Ajouter à un workflow complet

Liste d’alternatives

Comparer avant installation

Similar skills that may fit this task.

Tout comparer

Vue d’ensemble

--- name: gza-log-insights description: Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or workflow improvements allowed-tools: Read, Bash(uv run python -c:*), Bash(wc:*), Bash(ls:*), Bash(head:*), Bash(tail:*) version: 1.0.0 public: false ---

# Gza Log Insights

Analyze gza execution logs to find recurring anti-patterns, wasted compute, and actionable improvements. This skill scans task transcript logs (`*.log`) and paired ops logs (`*.ops.jsonl`), aggregates patterns across many runs, and produces recommendations for AGENTS.md updates, prompt improvements, or workflow changes.

## Process

### Step 1: Locate and inventory logs

Find the log directory and count available logs:

```bash uv run python -c " from gza.config import load_config cfg = load_config() log_dir = cfg.get_log_dir() print(str(log_dir)) " ```

Then list and count: ```bash ls <log_dir> | wc -l ```

If no logs exist, report that and stop.

### Step 2: Run the analysis script

Run the following comprehensive analysis across all log files. This script extracts patterns from the JSONL log format (where each line is a JSON entry with types: system, assistant, user, result).

```bash uv run python -c " import json, os, re, sys from collections import Counter, defaultdict from pathlib import Path

from gza.config import load_config cfg = load_config() log_dir = cfg.get_log_dir()

log_files = sorted(log_dir.glob('*.log')) ops_log_files = sorted(log_dir.glob('*.ops.jsonl')) if not log_files: print('No log files found.') sys.exit(0)

# --- Counters --- bare_commands = Counter() # commands missing 'uv run' failed_bash = Counter() # bash commands that failed git_errors = Counter() # git-specific errors tool_distribution = Counter() # overall tool usage skill_errors = Counter() # failed skill executions import_errors = Counter() # Python import errors file_too_large = 0 # Read tool file-too-large errors no_module_pytest = 0 # 'No module named pytest' sqlite_not_found = 0 # sqlite3 not available worktree_git_errors = 0 # git fails in cleaned-up worktrees test_runs_per_log = [] # (filename, count) for test-heavy logs result_subtypes = Counter() # success vs error_max_turns etc costs = [] # per-log costs high_cost_logs = [] # logs with cost info repeated_patterns = Counter() # any command run 5+ times in a single log

BARE_PREFIXES = ['gza ', 'pytest', 'mypy ', 'python ']

for logfile in log_files: tool_uses_in_log = {} # tool_use_id -> command test_runs = 0 bash_cmds_in_log = Counter() fname = logfile.name

with open(logfile) as f: for line in f: line = line.strip() if not line: continue try: entry = json.loads(line) except (json.JSONDecodeError, ValueError): continue

etype = entry.get('type', '')

# --- System init: skip ---

# --- Assistant messages: extract tool calls --- if etype == 'assistant': msg = entry.get('message', {}) for c in msg.get('content', []): if c.get('type') == 'tool_use': tool = c.get('name', '') inp = c.get('input', {}) tid = c.get('id', '') tool_distribution[tool] += 1

if tool == 'Bash': cmd = inp.get('command', '').strip() tool_uses_in_log[tid] = cmd bash_cmds_in_log[cmd[:80]] += 1

# Check bare commands for prefix in BARE_PREFIXES: if cmd.startswith(prefix) and not cmd.startswith('uv run'): bare_commands[cmd[:100]] += 1

# Count test/lint runs if 'pytest' in cmd or 'mypy' in cmd: test_runs += 1

# --- User messages: extract tool results --- if etype == 'user': msg = entry.get('message', {}) for c in msg.get('content', []): if c.get('type') != 'tool_result': continue tid = c.get('tool_use_id', '') is_err = c.get('is_error', False) content = str(c.get('content', ''))

# Skill errors — 'Execute skill: X' with is_error=True is NORMAL # in headless mode (skill loaded successfully). Only count as # error if the content indicates a real failure (e.g. 'Unknown skill'). if is_err and 'skill' in content.lower(): if 'Execute skill' in content: pass # Normal headless behavior, not an error elif 'Unknown skill' in content: skill_name = content.split('Unknown skill:')[-1].strip()[:40] if 'Unknown skill:' in content else content[:60] skill_errors[skill_name] += 1 else: skill_errors[content[:60]] += 1

# File too large if 'exceeds maximum allowed' in content: file_too_large += 1

# Specific error categories if 'not a git repository' in content: worktree_git_errors += 1 if 'sqlite3: command not found' in content: sqlite_not_found += 1 if 'No module named pytest' in content: no_module_pytest += 1 if 'ImportError' in content: idx = content.find('ImportError') import_errors[content[idx:idx+80]] += 1

# Failed bash commands if tid in tool_uses_in_log: cmd = tool_uses_in_log[tid] exit_match = re.search(r'Exit code (\d+)', content[:30]) if exit_match and exit_match.group(1) != '0': short = cmd[:60] failed_bash[short] += 1 if cmd.strip().startswith('git'): git_errors[short] += 1

# --- Result entry --- if etype == 'result': result_subtypes[entry.get('subtype', '?')] += 1 cost = entry.get('total_cost_usd', 0) if cost: costs.append(cost) high_cost_logs.append((fname, cost, entry.get('num_turns', 0)))

if test_runs > 0: test_runs_per_log.append((fname, test_runs))

# Repeated commands in single log for cmd, count in bash_cmds_in_log.items(): if count >= 5: repeated_patterns[cmd] += 1

# ========== OUTPUT ========== print('=' * 70) print('GZA LOG INSIGHTS REPORT') print(f'Analyzed {len(log_files)} transcript logs and {len(ops_log_files)} ops logs') print('=' * 70)

# Section 1: Outcome summary print('\n## Task Outcomes') for st, count in result_subtypes.most_common(): print(f' {st}: {count}') if costs: print(f' Total spend: \${sum(costs):.2f} across {len(costs)} tasks') print(f' Average cost: \${sum(costs)/len(costs):.2f}/task')

# Section 2: Bare commands if bare_commands: print(f'\n## Bare Commands (missing uv run) — {sum(bare_commands.values())} total') print('These commands were invoked without \"uv run\" prefix, which may fail in') print('environments without the package installed globally.') for cmd, count in bare_commands.most_common(15): print(f' {count}x: {cmd}')

# Section 3: Git errors if worktree_git_errors or git_errors: print(f'\n## Git Errors — {worktree_git_errors} "not a git repository" + {sum(git_errors.values())} failed git commands') print('Includes stale worktrees, missing repos, and other git failures.') for cmd, count in git_errors.most_common(10): print(f' {count}x: {cmd}')

# Section 4: Missing tools/modules missing = [] if no_module_pytest: missing.append(f'\"No module named pytest\": {no_module_pytest} occurrences') if sqlite_not_found: missing.append(f'\"sqlite3: command not found\": {sqlite_not_found} occurrences') if file_too_large: missing.append(f'Read tool file-too-large errors: {file_too_large} occurrences') if import_errors: for err, count in import_errors.most_common(5): missing.append(f'{err}: {count}x') if missing: print(f'\n## Missing Dependencies / Environment Issues') for m in missing: print(f' - {m}')

# Section 5: Skill resolution errors (not counting normal 'Execute skill' responses) if skill_errors: print(f'\n## Skill Resolution Errors — {sum(skill_errors.values())} total') print('Note: \"Execute skill: X\" with is_error=True is normal in headless mode.') print('Only \"Unknown skill\" and other genuine failures are counted here.') for skill, count in skill_errors.most_common(): print(f' {count}x: {skill}')

# Section 6: Test-heavy logs (potential loops) heavy = [(f, c) for f, c in test_runs_per_log if c >= 8] if heavy: print(f'\n## Test-Heavy Runs (8+ test/lint invocations — possible loops)') for fname, count in sorted(heavy, key=lambda x: -x[1])[:10]: print(f' {count} runs: {fname[:70]}')

# Section 7: Repeated commands within single logs if repeated_patterns: print(f'\n## Repeated Commands (same command 5+ times in one session)') for cmd, num_logs in repeated_patterns.most_common(10): print(f' in {num_logs} log(s): {cmd}')

# Section 8: Failed bash commands if failed_bash: print(f'\n## Most Common Bash Failures — {sum(failed_bash.values())} total') for cmd, count in failed_bash.most_common(15): print(f' {count}x: {cmd}')

# Section 9: Cost outliers if high_cost_logs: expensive = sorted(high_cost_logs, key=lambda x: -x[1])[:5] print(f'\n## Most Expensive Runs') for fname, cost, turns in expensive: print(f' \${cost:.2f} ({turns} turns): {fname[:60]}')

# Section 10: Tool distribution print(f'\n## Tool Usage Distribution') for tool, count in tool_distribution.most_common(): print(f' {tool}: {count}')

print() " ```

### Step 3: Read AGENTS.md for current guidance

Read the project's AGENTS.md to understand what instructions agents already have. This helps identify gaps — patterns in the logs that aren't addressed by existing documentation.

### Step 4: Synthesize recommendations

Based on the analysis, produce actionable recommendations in these categories:

#### A. AGENTS.md Updates For each anti-pattern found in logs, suggest a specific line to add to AGENTS.md that would prevent the issue. Examples:

- If bare `pytest`/`mypy`/`gza` commands are common: > Add to AGENTS.md: "Always use `uv run pytest`, `uv run mypy`, `uv run gza` — never bare commands. The project uses uv for dependency management."

- If git worktree errors are frequent: > Add to AGENTS.md: "When running in a worktree, verify git works before running git commands. If the worktree's .git file is stale, do not attempt git init or repair — report the issue instead."

- If `python -m pytest` is used instead of `uv run pytest`: > Add to AGENTS.md: "Use `uv run pytest` (not `python -m pytest` or bare `pytest`). The uv tool manages the virtual environment."

- If sqlite3 is used directly: > Add to AGENTS.md: "Do not use the `sqlite3` CLI — it may not be installed. Use `uv run python -c 'from gza.db import ...'` to query the database."

- If the Read tool hits file-too-large errors:

Détails techniques

Version
1.0.0
Licence
MIT
Dernière mise à jour
21 août 2026
Publié
21 août 2026

Instantané de décision

Validation nécessaire

57
Prêt
Revoir
Étape

recent repository activity

Audit

Revue d’installation

Revue d’installation et d’adoption

73
Revue nécessaire
Sécurité
74/100
Maintenance
100/100
Installer
92/100
Ouvrir l’audit completVoir le rapport d’évaluation

Preuves validées par Agent

Preuves validées par Agent

Rapports après resolve, revue, installation et une exécution limitée.

0
Validé
Needs first agent runAuto-installation: revoir d’abordDernier: Inconnu
Taux de réussite
Échec récent
Résultats
0
Qualité de sortie
Échecs
0
Non pertinent
0
Installations
0
Bloqué par le risque
0
Configuration requise
0
Production
0

Aucune donnée de résultat Agent pour l’instant. La première exécution peut signaler succès, besoin de configuration, blocage de risque, échec ou non-pertinence via /api/agent/outcome.

Installer

Ajouter au workflow Agent

Gratuit et open source. Examinez le rapport avant l’installation dans des Agents de production.

Boucle de croissance

Kit de partage

X

Brouillon guidé par scénario pour gza-log-insights, prêt pour une publication manuelle sur X.

Note du curateur
gza-log-insights: Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or...

11 stars

https://www.openagentskill.com/skills/mhawthorne-gza-log-insights?ref=x
Ouvrir le brouillon X
Réponse facultative avec commande d’installation
Listing + install path for gza-log-insights:
https://www.openagentskill.com/skills/mhawthorne-gza-log-insights?ref=x

Install: npx skills add mhawthorne/gza --skill gza-log-insights

Source de la fiche

Indexé par Registry

Revendiable

Cette fiche a été indexée à partir de sources publiques et n’est pas marquée officielle tant qu’une revendication de mainteneur n’est pas approuvée.

Créateur
mhawthorne
Indexé par
Index communautaire OpenAgentSkill

L’attribution renvoie au dépôt public ou au profil du créateur. Les créateurs peuvent revendiquer la fiche pour mettre à jour les signaux de propriété.

Revendiquer ce skill

Revendication du propriétaire

Revendiquer cette fiche de skill

Cette fiche Indexé par Registry est attribuée à mhawthorne, mais n’est pas encore marquée officielle. Revendiquez-la pour ajouter un signal de propriétaire vérifié et rendre les futures mises à jour de lancement, d’installation et d’audit plus fiables.

Kit de backlinks créateur

Ajoutez les badges de preuve à votre README

Affichez la fiche canonique, les signaux actuels de confiance et d’audit, ainsi que de vraies preuves Agent-Proven là où les développeurs évaluent le dépôt.

[![Listed on OpenAgentSkill](https://www.openagentskill.com/api/badge/mhawthorne-gza-log-insights?metric=listed&label=Listed)](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights)
[![OpenAgentSkill Trust](https://www.openagentskill.com/api/badge/mhawthorne-gza-log-insights?metric=trust&label=Trust)](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights)
[![OpenAgentSkill Audit](https://www.openagentskill.com/api/badge/mhawthorne-gza-log-insights?metric=audit&label=Audit)](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights/audit)
[![Agent Proven](https://www.openagentskill.com/api/badge/mhawthorne-gza-log-insights?metric=proven&label=Agent%20Proven)](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights)

Auteur

M

mhawthorne

@mhawthorne

Adéquation plateforme

Signaux de santé

Stars GitHub
11
Score de qualité
31/100
Dernier push GitHub
21 août 2026
Indications de framework
Inconnu
Vues OpenAgentSkill
2
Copies d’installation
0
Clics sortants
0

Signal de communauté

Indiquez si ce skill semble utile à votre workflow Agent. Les retours agrégés améliorent le classement au fil du temps.

Confiance et sécurité

Do not auto-install

59
  • Adoption GitHub11 stars GitHubCorriger
  • Activité stars/forks11 stars et 1 forks; l’activité des issues n’est pas disponible dans les métadonnées actuellesCorriger
  • Maintenance récente3 jours depuis le dernier pushValidé
  • Clarté de licenceMITValidé
  • Complétude README/SKILL.mdLes métadonnées incluent suffisamment de contexte d’usage et de workflowValidé
  • Risque dépendances/runtimecommand execution surface, database surfaceInfo