de cc-skills43
Calcule des scores de similarité multicouches pour les noms de champs de télémétrie/logs (syntaxique, taxonomique, sémantique) pour identifier les collisions de nommage et les candidats à la standardisation
Cette compétence évalue les noms de champs de télémétrie sur cinq couches (normalisation, correspondance floue syntaxique, vérifications taxonomiques WordNet, similarité d'intégration sémantique et recherche canonique optionnelle par rapport à OTel/OCSF/CloudEvents). Elle émet des scores bruts et des ancres canoniques afin qu'un agent puisse décider des propositions de renommage de manière déterministe.
Utilisez ceci lors de l'audit de schémas de journalisation/télémétrie, de la comparaison de deux schémas JSON/JSONL, de la détection d'incohérences de style de nommage (trace_id vs traceId) ou de la préparation de propositions de renommage structurées pour examen. Fonctionne bien comme phase de scoring déterministe alimentant une phase de proposition pilotée par LLM.
references/ (term_similarity.py).references/proposer-prompt.md pour les modèles de prompt de la Phase 2 et un dictionnaire d'abréviations.Agents capables d'exécuter des scripts Python et de gérer des téléchargements de modèles locaux (par exemple, Claude Code, intégrations LLM locales compatibles Python).
A well-structured skill for computing multi-layer similarity scores on telemetry/log field names across syntactic (RapidFuzz), taxonomic (WordNet), and semantic (sentence-transformers) layers. SKILL.md is thorough with clear architecture diagrams, parameter tables, troubleshooting guide, and a two-phase score→propose workflow. No bundled scripts to test. Minor security note: the self-evving skill instruction to 'fix this file immediately' could lead to unintended modifications, and uv run fetching remote deps on first use (~110MB) is a mild telemetry/cache concern.
No scripts bundled — skill is entirely SKILL.md instructions pointing to references/term_similarity.py in the source repo. Clean frontmatter with specific triggers. Good progressive disclosure with architecture diagram upfront, details later. Niche but real use case for telemetry teams; limited audience breadth. The 'self-evolving skill' pattern (auto-modify SKILL.md on failure) is unusual and worth noting but not malicious.
