Agent Skills

全部技能

pr (mattpocock/skills)

撰寫向審查者說明變更的 PR 說明。

pr：一個純粹的格式技能：對照組從未產出三段式 PR 內容（1.7/5），技能與一句話提示都做到了（5.0 與 4.95），且沒有額外 Token 成本

推薦安全

Codex CLI · gpt-6-astra

29.0 / 30

相對未使用技能的提升：+3.33 · 推薦 · 18 次執行

推薦：總分 29.0/30 至少 22，產出品質 5.0 至少 3.5，提升幅度 +3.33 至少 +1.0。

SOTA

透過

使用 Codex 測試。

涵蓋 Codex, Claude Code

Codex CLI 0.166（SOTA 等級）：18 次評分執行。依我們的等級規則，在這裡通過也涵蓋 Claude Code；但這不代表第二等級的結果。

分數

每個維度為 0 到 5 分，六個維度相加即為滿分 30 的總分。每個維度都是 5 分最好。成本 5 分代表便宜又快速；安裝 5 分代表容易安裝。

觸發可靠性
5.0
相對未使用技能的提升
5.0
產出品質
5.0
Token 與時間成本
5.0
安裝與可攜性
4.0
安全性
5.0

安全審查

安全

靜態掃描：0 CRITICAL / 0 HIGH / 0 MEDIUM。人工審查：可在無網路沙箱中安全執行（未發現問題）。掃描結果乾淨，不代表技能一定安全。

安裝

npx skills@latest add mattpocock/skills --skill pr

來源

固定 Commit: 4ae2317ddb22b046e26455e4f9c9b3aaaf62212d

測試日期: 2026-11-02

我們測了什麼

  • 快取變更的 PR 內容 — 我要開一個 pull request。請為 change.diff 中的變更撰寫 PR 內容並寫到 PR.md。測試前後的輸出分別在 tests_before.txt 與 tests_after.txt。
  • 刪除資料行的 PR 內容 — 請幫我撰寫 pull request。請為 change.diff 中的變更撰寫 PR 內容並寫到 PR.md。測試前後的輸出分別在 tests_before.txt 與 tests_after.txt。
  • 文案變更的 PR 內容 — 撰寫一份 PR 說明。請為 change.diff 中的變更撰寫 PR 內容並寫到 PR.md。測試前後的輸出分別在 tests_before.txt 與 tests_after.txt。

優點

  • 相對未使用技能，平均分數從 1.67 提升到 5.0（+3.33）。
  • 技能即使未被點名也會被採用：6/6 次實驗組執行都讀取了技能檔案。
  • 沒有額外 Token 成本：Token 用量是未使用技能的 1.0 倍。
  • 使用技能後的絕對品質很高：5.0 / 5。

缺點

  • 一句話提示得分 4.95，使用技能則為 5.0（+0.05）。
  • 每個任務的每個組別 n=2；約 1 分以內的差異屬於雜訊。

評測

在專用的 Windows 測試電腦上使用 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都建立全新的暫存專案與暫存的 HOME/TMPDIR/快取，分別安裝技能（實驗組）、未安裝技能（對照組），或未安裝技能但把技能的核心要求濃縮成一句話附在提示詞後（一句話提示組）；每個任務的每個組別執行 2 次，關閉網路，封鎖 /tmp 寫入。提示詞從未提到技能（下方註明的措辭除外）。三個任務，每個都是「為 change.diff 的變更撰寫 PR 內容到 PR.md」，旁邊附有 tests_before.txt／tests_after.txt：一個快取變更（雙向門）、一個會刪除資料行的遷移（單向門），以及一個文案變更。對照組只收到那句話。一句話提示組會多收到一句話，完整說明整個範本。實驗組也沒有被告知格式。

三組對照

組別平均分數（0-5）每次執行 Token 用量
未使用技能1.6782k
一句話提示4.9589k
使用技能5.082k

以 Codex CLI 執行 18 次，採規則式檢查評分，不經 LLM 評審。總分 29.0 / 30，評級為 推薦。

評定：推薦（29.0 / 30）。 來源：mattpocock/skills，skills/engineering/pr，固定於提交 4ae2317。安裝：npx skills@latest add mattpocock/skills --skill pr。授權： MIT（儲存庫 LICENSE）。

這是什麼

pr 技能（mattpocock/skills）：把 diff 轉成固定三段結構的 PR 內文：摘要（最小但有用的圖示、虛擬碼或呼叫樹）、證據（Before:／After: 加上測試輸出）與合併風險（門： 單向或雙向，外加以單詞表示的 影響半徑：），並使用專案詞彙表中的用語。只有一份簡短的 SKILL.md。

測試方式

在專用的 Windows 測試電腦上使用 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都建立全新的臨時專案，並使用臨時的 HOME/TMPDIR/快取；分別為安裝技能（技能組）、未安裝（對照組），以及未安裝但把技能核心要求濃縮成一句話附加在提示詞後（一句話組）；每項任務的每組執行 2 次；關閉網路，並封鎖對 /tmp 的寫入。提示詞完全不會提到技能名稱（以下註明的措辭除外）。

共有三項任務，每項都是「把 change.diff 的 PR 內文寫到 PR.md」，旁邊附有 tests_before.txt 與 tests_after.txt：快取變更（雙向門）、刪除欄位的遷移（單向門），以及文案變更。對照組只會收到那句話。一句話組會多收到一句話，完整說明整個範本。技能組同樣不會被告知格式。

  1. 快取變更的 PR 內文 — 我要開一個 pull request。請把 change.diff 中變更的 PR 內文寫到 PR.md。修改前後的測試輸出分別在 tests_before.txt 與 tests_after.txt。
  2. 刪除欄位的 PR 內文 — 請幫我整理 pull request。請把 change.diff 中變更的 PR 內文寫到 PR.md。修改前後的測試輸出分別在 tests_before.txt 與 tests_after.txt。
  3. 文案變更的 PR 內文 — 請寫一份 PR 說明。請把 change.diff 中變更的 PR 內文寫到 PR.md。修改前後的測試輸出分別在 tests_before.txt 與 tests_after.txt。

計分採程式化方式（隱藏測試／預埋問題召回／限制條件檢查／視情況搭配渲染與 OCR），每次執行 0–5 分。分數並非由任何 LLM 評審決定。

結果

提供給第三組的一句話版本：「將 PR 內文寫成三個簡短段落：摘要（最小但有用的圖示、虛擬碼或呼叫樹，不要開場白）、證據（Before: 與 After: 加上測試輸出），以及合併風險（門： 單向或雙向，並附上一個詞的 影響半徑：）；使用詞彙表中的用語。」

任務對照組分數一句話版本技能組對照組 token 數一句話版本 token 數技能組 token 數技能讀取
t1-cache1.675.05.082k83k79k2/2
t2-migration1.674.835.082k91k79k2/2
t3-copy1.675.05.081k91k87k2/2

平均分數：無技能 1.67，技能組 5.0（差異 +3.33）。每次執行 token 數：82k 對 82k（1.00 倍）；時間 37 秒對 34 秒。一句話組：4.95（技能相較一句話版本的增益：+0.05；一句話版本相較無技能的增益：+3.28）；一句話版本每次執行 89k token，因此技能的 token 成本是一句話版本的 0.92 倍。

實際表現

  • 對照組 1.67、一句話版本 4.95、技能組 5.00（各 n=6）。對照組寫出的 PR 文字清楚且準確，但 6 次執行中沒有任何一次使用三個段落、圖示或虛擬碼區塊、Before/After 標籤、門或影響半徑。這是模型無法自行猜到的格式，因此任何被告知格式的組都會拿高分；這套檢查衡量的是格式遵循度，而非寫作品質。
  • 技能在未被指名的情況下也會觸發（6/6 次讀取），而一句話提示承載了相同資訊：兩者相差 0.05 分（其中一次執行未通過範本段落的正規表達式檢查：遷移任務的一句話組只匹配到 3 個段落中的 2 個）。每次執行 token 數：對照組 82k、一句話版本 89k、技能組 82k，沒有額外負擔。
  • 判斷內容在關鍵處看起來正確：在遷移任務中，技能組的執行把門判定為單向，並指出還原程式碼也無法讓已刪除的欄位復原，同時標明了影響半徑；快取與文案任務則是雙向。對照組的遷移 PR 也警告要先套用 0041，但沒有標出門或影響半徑，因此審查者光掃過去看不出來。
  • 技能非常小（只有幾行），因此載入成本為零；它的價值在於大家不必每次都貼上範本。

各面向分數

面向分數原因
1_output_quality5.0

技能組平均分數 5.00/5（程式化檢查，詳見各任務 表格）。

2_lift_vs_no_skill5

相較無技能的 1.67 高出 +3.33 分（每項任務 n=2；約 1 分 以下的差異屬於雜訊）。

3_trigger5.0技能組 6/6 次執行都讀取了技能檔案。
4_instructions_portability4一份附範本的簡短 SKILL.md，沒有腳本。
5_efficiency5token 為 1.00 倍（每次執行 82k 對 82k），時間為 0.93 倍（34 秒對 37 秒）。
6_safety_hygiene5僅文字內容；沒有發現問題。

本測試的限制

  • 只有規則式的格式檢查（段落是否存在、Before/After、門的判定是否正確、影響半徑、圖示／虛擬碼區塊）；並不評判圖示是否為「最小但有用」，也不評判寫作是否優良。
  • 對照組在設計上必然無法通過格式檢查：結果顯示技能免去重述團隊格式的需要，而不是讓模型寫出更好的 PR。
  • 只有三個小型測試樣本；沒有真實儲存庫或 git 歷史。
  • 每項任務的每組 n = 2：約 1 分以下的差異屬於雜訊。
  • 規則式計分只能衡量檢查項目看得見的部分，無法評判品味，也無法判斷結果是否為最佳解。

安全性

詳見 security.md。掃描：0 CRITICAL / 0 HIGH / 0 MEDIUM。評定：可在無網路沙箱中安全執行。掃描結果乾淨並不代表技能一定安全。

總結

如果你想要這種 PR 格式，技能第一次就能免費達成（82k token，與無技能相同），效果等同於把範本貼成一句話提示。想讓團隊維持一致就安裝它；不要期待文筆會更好。

完整紀錄

執行日誌：pr (Codex CLI, network off, per-run temp HOME/TMPDIR, one row per graded run.)
欄位：任務、組-輪次、得分（0-5）、token、秒、通過的檢查、代理開啟的 skill 檔案。

t1-cache control-1: 得分 1.67, token 82698, 秒 35.7, 檢查 4/9, 未開啟
t1-cache control-2: 得分 1.67, token 82765, 秒 30.9, 檢查 4/9, 未開啟
t1-cache oneliner-1: 得分 5.0, token 83654, 秒 32.5, 檢查 9/9, 未開啟
t1-cache oneliner-2: 得分 5.0, token 84007, 秒 38.4, 檢查 9/9, 未開啟
t1-cache treatment-1: 得分 5.0, token 70378, 秒 33.8, 檢查 9/9, 開啟 pr
t1-cache treatment-2: 得分 5.0, token 88915, 秒 35.0, 檢查 9/9, 開啟 pr
t2-migration control-1: 得分 1.67, token 81748, 秒 33.8, 檢查 4/9, 未開啟
t2-migration control-2: 得分 1.67, token 82290, 秒 36.5, 檢查 4/9, 未開啟
t2-migration oneliner-1: 得分 5.0, token 100647, 秒 37.7, 檢查 9/9, 未開啟

18 次執行、3 個產出檔案

範例產出

SOTA · 装了 skill：PR.md（t1-cache，第 1 次，Codex）

## Summary Cache free slots by Room and day to avoid repeated database queries. Creating a Reservation invalidates the matching cache entry. ```text free_slots(Room, day) cache hit → return cached free slots cache miss → query Reservations → compute and cache free slots create Reservation insert Reservation → invalidate cache for Room and day ``` ## Evidence - **Before:** `tests/test_availability.py::test_free_slots_not_queried_twice` failed: `db.query called 2 times, expected 1`. Suite: 1 failed, 14 passed in 0.9s. **After:** Supplied test output reports 15 passed in 0.8s. ## Merge Danger **Door:** two-way Reverting restores a database query on each availability request; no schema or stored-data changes. **Blast Radius:** availability Cached free slots affect Members checking Room availability. Invalidation covers Reservation creation in the current process; other mutation paths or processes can leave cached results stale. The cache has no size limit or expiry.

檢視 Pro