1С:БСП Skill

Скил для AI-агента, который помогает применять 1С:БСП 3.1.11 в прикладной разработке: выбирать реальные общие модули и методы, учитывать контекст исполнения, отличать стабильный API от служебного и не выдумывать интерфейсы.

Установка и обновление

Одна и та же команда подходит и для первой установки, и для обновления. По умолчанию скил устанавливается для Claude Code в ~/.claude/skills/bsp.

Linux и macOS

curl -fsSL https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.sh | bash

Для других агентов:

# Codex: ~/.agents/skills/bsp
curl -fsSL https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.sh | bash -s -- --agent codex

# OpenCode: ~/.config/opencode/skills/bsp
curl -fsSL https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.sh | bash -s -- --agent opencode

# Произвольный каталог skills
curl -fsSL https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.sh | bash -s -- --target /path/to/skills

Чтобы установить конкретный тег или коммит, передайте --ref:

curl -fsSL https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.sh | bash -s -- --ref v0.11

Если не хочется выполнять загруженный код через pipe, сначала сохраните и просмотрите установщик:

curl -fsSLO https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.sh
less install.sh
bash install.sh --agent codex

Windows PowerShell

Для Claude Code:

irm https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.ps1 | iex

Для Codex, OpenCode или произвольного каталога параметры удобнее передать сохранённому скрипту:

irm https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.ps1 -OutFile install.ps1
.\install.ps1 -Agent Codex
.\install.ps1 -Agent OpenCode
.\install.ps1 -Target C:\path\to\skills
.\install.ps1 -Agent Codex -Ref v0.11
Remove-Item .\install.ps1

В pipe-варианте параметры задаются переменными окружения:

$env:SKILLS_AGENT = 'Codex'
irm https://raw.githubusercontent.com/brake71/1c-ssl-skills/main/install.ps1 | iex
Remove-Item Env:SKILLS_AGENT

Установщики загружают указанный git ref, проверяют наличие SKILL.md и атомарно заменяют только каталог bsp. Остальные пользовательские скилы не затрагиваются.

Из релиза или клона

GitHub Release содержит архивы bsp-skill-vX.Y.zip и bsp-skill-vX.Y.tar.gz. Внутри находится skills/bsp, который можно вручную скопировать в каталог скилов агента.

Из клона:

git clone https://github.com/brake71/1c-ssl-skills.git
cp -r 1c-ssl-skills/skills/bsp ~/.claude/skills/

Состав

Репозиторий поставляет один umbrella-скил skills/bsp/:

• SKILL.md — маршрутизация по задачам;
• references/ — 24 тематических справочника со сценариями, сигнатурами, примерами и антипаттернами;
• scripts/bsp_api.py — проверка методов, регионов и диапазонов строк по XML-выгрузке конфигурации БСП.

Reference-файлы не являются отдельными скилами. Агент сначала загружает bsp/SKILL.md, затем выбирает один подходящий reference. Скил рассчитан на БСП 3.1.11; для другой версии сигнатуры и стабильность API нужно перепроверять по исходникам соответствующей поставки.

Проверка API по исходникам

Скрипт принимает обязательный путь к корню выгрузки конфигурации с каталогом CommonModules/:

python skills/bsp/scripts/bsp_api.py method СообщитьПользователю --src src/cf
python skills/bsp/scripts/bsp_api.py module ОбщегоНазначения --src src/cf
python skills/bsp/scripts/bsp_api.py modules --src src/cf

Выгрузка src/cf/ не распространяется с репозиторием. Без неё reference-файлы остаются пригодны для использования, но факты нельзя дополнительно подтвердить скриптом.

Разработка и проверки

python -m unittest discover -s tests -v
python ci/validate_key_methods.py --coverage-only
python ci/validate_key_methods.py --src src/cf
python ci/run_skill_evals.py --dry-run

CI также проверяет компиляцию скриптов, обязательность --src, покрытие references и локальные smoke-тесты обоих установщиков. Полная семантическая проверка требует локальную выгрузку БСП и поэтому выполняется перед релизом локально.

Поведенческий RED/GREEN-тест

Статические проверки подтверждают содержимое справочников, но не активацию скила и качество ответа агента. Для этого используются корпус evals/cases.json, машинно проверяемая матрица evals/reference-matrix.json (reference → eval case IDs) и запуск Codex через команду cdx. Пустой список в матрице явно фиксирует пробел поведенческого покрытия; dry-run проверяет точное соответствие матрицы корпусу и всем 24 reference-файлам.

# Быстрый прогон одного сценария: без скила и со скилом.
python ci/run_skill_evals.py --case message-bound-to-field --runs 1

# Полный релизный прогон; три повтора уменьшают влияние дрейфа модели.
python ci/run_skill_evals.py --runs 3 --jobs 6

# Возобновляемый прогон с фиксированным путём отчёта.
python ci/run_skill_evals.py --runs 3 --jobs 6 --output .tmp/release-eval.json
python ci/run_skill_evals.py --runs 3 --jobs 6 --output .tmp/release-eval.json --resume

При --resume runner проверяет модель, корпус, число повторов, фазы и пороги, сохраняет уже завершённые качественные результаты и повторяет только отсутствующие, незавершённые или инфраструктурно упавшие запуски. Отчёт атомарно обновляется после каждого case × phase × run. Инфраструктурные причины (quota/rate limit, authentication, network, timeout, недоступная модель и sandbox policy) отделены от ошибок качества ответа.

--jobs задаёт предельное число одновременных запусков cdx; значение 6 сокращает длительность полного прогона, не меняя число повторов и пороги. Модель тестов зафиксирована как gpt-5.6-luna; при сравнении с другой моделью её точный идентификатор можно передать через --model.

RED и GREEN выполняются в одном каталоге src/. В GREEN runner временно устанавливает только bsp в src/.agents/skills/bsp, а затем удаляет staging. Глобальные каталоги скилов не изменяются. Сырые JSONL-события, ответы и отчёт сохраняются в .tmp/bsp-evals/.

Runner изолирует запуск флагами --ignore-user-config, --ignore-rules и --sandbox read-only. На Windows он дополнительно задаёт windows.sandbox="unelevated": без явного backend после отключения пользовательского config Codex блокирует даже команды чтения. Такие отказы помечаются в отчёте как tool_policy_blocked и считаются инфраструктурными ошибками, даже если процесс cdx вернул код 0.

Основные метрики: доля прошедших сценариев, неявная активация по наблюдаемому чтению staged SKILL.md/reference в JSONL-трейсе, точность методов, вызовы служебного API и модулей *Переопределяемый, запрещённые антипаттерны и расход токенов. Ненулевой код означает, что GREEN не достиг заданных порогов.

Лицензия

MIT. Copyright © 2026 Чекменев Дмитрий Алексеевич.