Навыки performance-testing-review-ai-review
📦

performance-testing-review-ai-review

Безопасно

Анализ кода с помощью ИИ

Этот навык помогает разработчикам выявлять уязвимости безопасности, проблемы производительности и архитектурные недостатки в их коде с помощью анализа на базе искусственного интеллекта и автоматизированных инструментов статического анализа.

Поддерживает: Claude Codex Code(CC)
📊 71 Адекватно
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «performance-testing-review-ai-review». Review this authentication code for vulnerabilities

Ожидаемый результат:

## Результаты проверки безопасности

**КРИТИЧЕСКАЯ - SQL-инъекция (CWE-89)**
- Файл: src/auth/login.ts
- Строка: 42
- Проблема: Конкатенация строк с пользовательским вводом позволяет осуществлять SQL-инъекцию
- Исправление: Используйте параметризованные запросы

**ВЫСОКАЯ - Слабое хранение паролей (CWE-916)**
- Файл: src/auth/user.ts
- Строка: 15
- Проблема: Пароль хешируется с помощью MD5 вместо bcrypt/argon2
- Исправление: Используйте bcrypt с фактором стоимости 12+

Использование «performance-testing-review-ai-review». Analyze this database query for performance issues

Ожидаемый результат:

## Анализ производительности

**ВЫСОКАЯ - Обнаружен N+1 запрос**
- Файл: src/api/users.js
- Строки: 23-35
- Проблема: База данных вызывается внутри цикла для каждого пользователя
- Влияние: 1000 пользователей = 1001 вызов БД
- Исправление: Используйте JOIN или пакетную загрузку

Использование «performance-testing-review-ai-review». Review this microservices architecture

Ожидаемый результат:

## Архитектурное ревью

**КРИТИЧЕСКАЯ - Общая база данных**
- Проблема: Сервис A и Сервис B используют одну и ту же базу данных
- Нарушение: Принцип ограниченного контекста
- Исправление: Реализуйте паттерн «база данных на сервис»

**СРЕДНЯЯ - Отсутствует автоматический выключатель**
- Проблема: Внешние API-вызовы не имеют паттерна отказоустойчивости
- Риск: Каскадные сбои во время отключений
- Исправление: Добавьте автоматический выключатель с запасным вариантом

Аудит безопасности

Безопасно
v1 • 2/24/2026

All 53 static findings are FALSE POSITIVES. The skill provides legitimate code review documentation using standard security tools (SonarQube, CodeQL, Semgrep, TruffleHog). The detected patterns (subprocess execution, environment variables, network calls) are examples of how to run security scanning tools in CI/CD pipelines - not malicious behavior. This is a security-positive skill that teaches best practices for identifying vulnerabilities.

1
Просканировано файлов
453
Проанализировано строк
0
находки
1
Всего аудитов
Проблем безопасности не найдено
Проверено: claude

Оценка качества

38
Архитектура
100
Сопровождаемость
87
Контент
31
Сообщество
100
Безопасность
91
Соответствие спецификации

Что вы можете построить

Автоматизированное ревью Pull-запросов

Настройте ревью кода на базе ИИ в конвейерах CI/CD для мгновенной обратной связи по каждому pull-запросу

Обнаружение уязвимостей безопасности

Выявляйте SQL-инъекции, XSS, обходы аутентификации и другие уязвимости OWASP Top 10 в коде

Руководство по оптимизации производительности

Обнаруживайте антипаттерны производительности, такие как N+1 запросы, отсутствующие индексы и синхронные вызовы

Попробуйте эти промпты

Базовый запрос на ревью кода 
Проверьте этот diff кода на наличие проблем безопасности, проблем производительности и нарушений лучших практик. Фокусируйтесь только на изменённых файлах.
Ревью с фокусом на безопасность 
Проведите тщательный анализ безопасности этого кода. Проверьте наличие уязвимостей OWASP Top 10, включая инъекционные атаки, недостатки аутентификации и раскрытие конфиденциальных данных. Укажите идентификаторы CWE и оценки CVSS там, где это применимо.
Анализ производительности 
Проанализируйте этот код на предмет проблем производительности. Ищите N+1 запросы, отсутствующие индексы баз данных, синхронные блокирующие вызовы, утечки памяти и проблемы масштабирования. Предложите конкретные оптимизации.
Полное многоуровневое ревью 
Проведите комплексное ревью, объединив результаты статического анализа с рассуждениями ИИ. Оцените безопасность, производительность, архитектуру, поддерживаемость и покрытие тестами. Отформатируйте результаты в виде структурированных комментариев к ревью с уровнями серьёзности и примерами исправлений.

Лучшие практики

  • Запускайте автоматизированные инструменты статического анализа (CodeQL, Semgrep) перед ревью на базе ИИ для предоставления контекста
  • Используйте человека в цикле для решений, критичных для безопасности и архитектуры
  • Установите пороги качества для блокировки PR с проблемами критической серьёзности
  • Отслеживайте метрики ревью (DORA) для измерения и улучшения качества кода со временем

Избегать

  • Полагаться исключительно на ИИ без запуска actual инструментов статического анализа
  • Игнорировать ложноположительные результаты от автоматизированных инструментов без настройки правил
  • Устанавливать слишком высокие пороги серьёзности и пропускать реальные уязвимости
  • Использовать ревью на базе ИИ как замену экспертам по безопасности-человекам для критических систем

Часто задаваемые вопросы

Какие инструменты использует этот навык для статического анализа?
Навык интегрируется с CodeQL для глубокого анализа уязвимостей, SonarQube для качества кода, Semgrep для пользовательских правил и TruffleHog для обнаружения секретов.
Может ли этот навык заменить человеческих ревьюеров кода?
Нет. Этот навык дополняет человеческое ревью, автоматизируя обнаружение паттернов. Критические решения по безопасности и архитектурные ревью по-прежнему требуют человеческой экспертизы.
Какие языки программирования поддерживаются?
Навык поддерживает более 30 языков программирования, включая JavaScript, Python, Go, Java, Ruby и Rust, через различные интеграции инструментов статического анализа.
Как интегрировать это с GitHub Actions?
Добавьте шаг ревью на базе ИИ после запуска инструментов статического анализа. Передайте результаты инструментов в качестве контекста модели ИИ для улучшенного анализа.
Модифицирует ли этот навык код?
Нет. Этот навык только анализирует код и генерирует комментарии к ревью. Он не автоматически исправляет и не коммитит какие-либо изменения.
Каковы требования к API?
Навык может использовать Claude, GPT-4 или другие LLM для анализа. API-ключи настраиваются через переменные окружения в вашем конвейере CI/CD.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Репозиторий

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/performance-testing-review-ai-review

Ссылка

main

Структура файлов

📄 SKILL.md