Clean Code Guard

Testbericht

GitHub API war ratenbegrenzt, daher habe ich das Repo shallow-cloned; SKILL.md befindet sich unter skills/clean-code-guard/ mit 7 Referenzdateien, und ich habe drei davon roh abgerufen (ai-failure-modes.md, solid.md, sources.md) — alle HTTP 200. Frontmatter wird mit name plus einer 938-Zeichen-Beschreibung (unter dem 1024-Limit) geparst; die einzige Nicht-Markdown-Datei ist eine 4-zeilige agents/openai.yaml mit Anzeige-Metadaten, und grep fand keine Pipe-to-Shell, base64-Blobs, geheime Lesevorgänge oder Injection-Text. Für die Ausgabestufe schrieb ich einen 72-zeiligen Python OrderProcessor mit eingebauten Defekten, erstellte eine Baseline-Überprüfung OHNE den Skill-Text zu lesen, und überprüfte dann erneut gemäß SKILL.md plus review-checklist.md und ai-failure-modes.md: Die Baseline gab 14 flache, unrangierte Aufzählungspunkte aus, wobei die Merge-blockierende verschluckte Zahlungs-Exception an Position 4 zwischen einem ungenutzten Import und einem „+=“-Nit vergraben war, während der Skill-Lauf einen Refactor-vs.-Korrektheits-Pre-Flight, Schweregrad-Stufen und eine pro-Abschnitt-Abdeckungszeile erzwang und drei Dinge erwischte, die die Baseline komplett verpasste — den ungeprüften Antwortstatus (ein 200 mit einem abgelehnten Body persistiert die Bestellung immer noch), rohe Kartendaten, die an eine payment_url POSTed werden, die standardmäßig None ist, als Vertrauensgrenzen-Erkenntnis gerahmt, und Float-Geld korrekt auf „Verhaltensänderung, mit Autor bestätigen“ herabgestuft, anstatt als Fix aufgeführt zu werden. Die Kosten sind real: etwa 470 Zeilen Referenzlektüre, und die max-3-Nits-Obergrenze der Checkliste ließ zwei legitime Baseline-Elemente fallen. Die Dokumentation verlor einen Punkt, weil SKILL.md Zeile 42 „14 systematic ways“ behauptet, während ai-failure-modes.md Zeile 3 15 sagt und 15 auflistet, und die Frontmatter-Klausel „invoke it on your own initiative the moment you finish writing code“ ein Über-Trigger-Risiko bei routinemäßigen Codierungsrunden darstellt. Trigger-Formulierungen bewertet: SOLLTE auslösen — „Ich habe gerade die Implementierung des Checkout-Handlers abgeschlossen, überprüfe ihn, bevor ich committe“ (ja), „Überprüfe diesen PR, ist er sicher zu mergen?“ (ja), „Refaktoriere diese OrderProcessor-Klasse, behalte das Verhalten identisch bei“ (ja); SOLLTE NICHT auslösen — „Die pytest-Suite schlägt auf CI mit einem Fixture-Teardown-Fehler fehl, hilf mir beim Debuggen“ (nein, zweimal ausgeschlossen als Testlauf und CI), „Sollten wir Event Sourcing oder CRUD für den Orders-Dienst verwenden?“ (nein, ausgeschlossen als reine Architekturdiskussion). 5/5 korrekt. Alle vier zitierten Quell-URLs, die ich stichprobenartig überprüft habe (arXiv 2409.19182, Fowler Yagni, Metz Wrong Abstraction, USENIX Spracklen), gaben 200 zurück, sodass die Forschungsansprüche untermauert und nicht nur dekorativ sind.

Getestet am: 2026-07-21 · Claude Code 2.x (agent harness)