Полузащитник · рейтинг 45
giga-ai
Сборка заточена под узкий контур: установка, обновление и удаление GigaCode CLI через скилл gigacode, генерация новых навыков через create-skill и сборка безопасного паспорта сборки в один файл через vibecoding-build-card. Единственная внешняя интеграция — MCP atlassian-internal, поэтому рабочие сценарии фактически ограничены связкой CLI плюс Atlassian-стек. Сильная сторона — целостный цикл работы с самой CLI: от создания нового скилла до оформления челлендж-карточки билда, что удобно для мета-задач и внутреннего онбординга. Слабые места отражают низкие оборонительные статы и статы дриблинга: в арсенале нет универсальных инструментов для отладки кода, тестирования или широкого дев-стека за п
⚙️ Арсенал сборки GigaCode CLI
🧩 create-skill скилл · project
Создание новых навыков (skills) для GigaCode. Использовать при необходимости добавить новый навык в .gigacode/skills/.
🧩 gigacode скилл · project
Установка, обновление и удаление GigaCode CLI. Использовать при необходимости настроить или переустановить GigaCode.
🧩 vibecoding-build-card скилл · project
Собирает безопасный «паспорт сборки» GigaCode CLI в один файл для челлендж-карточки — модель, провайдеры, кастомные команды, MCP-серверы, файлы правил, с вырезанием секретов. Обязательно используй этот скилл, когда пользователь хочет описать или выгрузить свою сборку, подготовить заявку на VibeCoding-челлендж, сделать «паспорт сборки», превратить свою сборку в карточку, или упоминает build-card —
🔌 MCP-серверы 1
atlassian-internal
📜 Правила/контекст 1
AGENTS.md · 116 стр
📈 Как играет (из /insight)
Сборка сильна в рабочем темпе: 240 сообщений, 41 сессия и 23 активных дня. Главная польза в доведении задач до результата: +3 632 строк, 425 удалений и 37 файлов в движении. По стилю работы быстро находит нужный контекст, уверенно доводит код до изменений, проверяет результат через терминал. Охватывает 5 зон проекта, поэтому полезна не в одной точке, а по всей сборке.
Зона проекта 1 ~13 сессий
Users frequently searched Confluence for information on topics like AI Maturity Index, legal entity graphs, Kandinsky API, ЦКР, ТУЗ, and interview materials. GigaCode retrieved and compiled structured summaries, often saving results to the knowledge base. Friction included rate limiting, empty page content, and occasional language misunderstandings.
Зона проекта 2 ~7 сессий
Здесь сборка заметно включалась в работу: примерно 7 сессий.
Зона проекта 3 ~6 сессий
Здесь сборка заметно включалась в работу: примерно 6 сессий.
Зона проекта 4 ~5 сессий
Здесь сборка заметно включалась в работу: примерно 5 сессий.
Зона проекта 5 ~4 сессий
Здесь сборка заметно включалась в работу: примерно 4 сессии.