collab-proof — плагин для Claude Code: что делает и как установить
Проводит ретроспективу сессии разработки и сопоставляет вклад Claude и программиста через анализ по 4 аспектам. Пригодится для фиксации авторства решений.
/plugin marketplace add alirezarezvani/claude-skills
/plugin install collab-proof@claude-code-skillsЧто делает collab-proof
Плагин запускает ретроспективу сессии. Он сопоставляет объём работы Claude и решения, которые принимал разработчик. Оценка строится на анализе четырёх параметров с чёткой шкалой критериев.
Инструмент работает без внешних зависимостей. Все расчёты выполняет языковая модель прямо в окружении Claude Code. Это избавляет от настройки сторонних утилит и ключей.
Какие задачи решает
- оценить соотношение вклада Claude и разработчика в сессии
- зафиксировать ключевые решения по итогам работы
- провести структурированную ретроспективу без сторонних утилит
Примеры запросов агенту
- Запусти ретроспективу сессии с помощью collab-proof
- Оцени по 4 параметрам, что сделал Claude, а что решил разработчик
- Сделай collab-proof разбор последних изменений в кодовой базе
Как установить collab-proof
Через маркетплейс плагинов
/plugin marketplace add alirezarezvani/claude-skills/plugin install collab-proof@claude-code-skillsПо шагам, с командами для каждой платформы: Плагины Claude Code: маркетплейсы, установка и как собрать свой
Вопросы о collab-proof
Как установить collab-proof в Claude Code?
Сначала добавьте репозиторий командой /plugin marketplace add alirezarezvani/claude-skills. После этого установите сам плагин: /plugin install collab-proof@claude-code-skills.
Что делает collab-proof?
Он анализирует завершённую сессию кодинга и сопоставляет работу Claude с решениями разработчика по 4 параметрам.
Нужны ли дополнительные библиотеки для запуска collab-proof?
Нет, плагин работает с нулевыми зависимостями. Весь анализ выполняет языковая модель без сторонних утилит.
Исходный текст
collab-proof · MIT
Assisted retrospective: after a session, calibrates what Claude contributed vs what the developer drove. LLM-assessed 4-frame analysis with explicit rubric, zero dependencies.
© dong7812 · MIT · alirezarezvani/claude-skills