Skill Claude que ensina Claude a analisar a qualidade de código Python usando CRAPQuants — pontuações CRAP, métricas de complexidade e diagnósticos de 6 livros de engenharia de software. Funciona no Claude.ai, Claude Code e na API.
Este skill capacita o agente Claude a realizar análises profundas de qualidade de código Python, utilizando a ferramenta CRAPQuants para calcular o CRAP score (Change Risk Anti-Patterns), métricas de complexidade ciclomática e outros indicadores baseados em princípios de seis livros renomados de engenharia de software. Ele é útil para desenvolvedores que desejam identificar código de alto risco, melhorar a manutenibilidade e aplicar boas práticas de refatoração diretamente nas interações com Claude, seja no ambiente web (Claude.ai), no terminal (Claude Code) ou via API. O skill funciona instruindo o Claude a invocar análises estáticas no código Python fornecido, interpretar os resultados e sugerir melhorias contextuais, integrando-se perfeitamente ao fluxo de revisão de código e desenvolvimento assistido por IA.
npx skills add DockyardTechlabs/crapquants-skillInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Skill Claude que ensina Claude a analisar a qualidade de código Python usando CRAPQuants — pontuações CRAP, métricas de complexidade e diagnósticos de 6 livros de engenharia de software. Funciona no Claude.ai, Claude Code e na API. #claude #claude-skill #agent-skills #anthropic #code-quality #python #static-analysis #crap-metric #codescanner #Codereview
Fonte: https://github.com/DockyardTechlabs/crapquants-skill
Enviado: 2026-06-02T06:38:54Z
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.