GPT Pro Review
199-biotechnologies/claude-skill-gpt-proСкилл для Claude Code: одна команда упаковывает файлы, контекст и структурированный промпт в архив для загрузки в ChatGPT Pro. Автоматическая очистка секретов, инженерия промптов, буфер обмена — готово к отправке.
Установка
git clone https://github.com/199-biotechnologies/claude-skill-gpt-pro.gitREADME
Claude Skill: GPT Pro Review
Получите второе мнение от ChatGPT Pro — одна команда упакует всё необходимое.
Вы работаете в Claude Code. Иногда нужен взгляд со стороны — от другой модели. Этот скилл упаковывает вашу задачу — файлы, контекст и инженерно выверенный промпт — в архив tar.gz, готовый к загрузке в ChatGPT Pro. Одна команда. Никакого копирования вручную. Никакой потери контекста.
Зачем это нужно | Установка | Как работает | Сценарии использования | Участие в разработке
Зачем это нужно
У каждой модели есть слепые пятна. Claude может пропустить то, что заметит GPT, и наоборот. Кросс-модельное ревью — самый дешёвый способ найти баги, проверить архитектурные решения и поймать ошибки в рассуждениях до того, как они уйдут в продакшн.
Но чтобы получить хороший ответ от ChatGPT Pro, нужен хороший промпт. Сырой дамп кода даёт размытые ответы. Структурированные промпты с экспертными ролями, конкретными вопросами и указателями на доказательства дают actionable-находки.
Этот скилл кодирует паттерны инженерии промптов, которые стабильно работают. Вы говорите Claude, что нужно проверить. Он упаковывает нужные файлы, пишет структурированный промпт, вычищает секреты и кладёт всё в буфер обмена. Вы вставляете, загружаете, отправляете.
До и после
| Без этого скилла | С этим скиллом |
|---|---|
| Копировать файлы по одному | Одна команда упаковывает всё |
| «Вот мой код, что не так?» | Экспертная роль + конкретные вопросы + указатели на доказательства |
| Неструктурированные, расплывчатые ответы | Формат: Находка → Доказательство → Исправление → Влияние |
| Случайно включённые секреты | Автоматическая очистка ключей, токенов, учётных данных |
| Файлы разбросаны по рабочему столу | Организованы в ~/Documents/GPT Pro Analysis/ |
Установка
git clone https://github.com/199-biotechnologies/claude-skill-gpt-pro.git \
~/.claude/skills/gpt-proClaude Code автоматически обнаруживает скиллы в ~/.claude/skills/. Дополнительная настройка не требуется.
Проверка
В Claude Code напишите:
Send this to GPT Pro for review
Claude активирует скилл и проведёт вас через определение области, сбор файлов и упаковку.
Как работает
Вы: "Send this to GPT Pro"
|
v
+-----------+ +-----------+ +-----------+
| ПОНЯТЬ |---->| ОБЛАСТЬ |---->| СОБРАТЬ |
| В чём | | Какие | | Скопировать|
| вопрос? | | файлы? | | в staging |
+-----------+ +-----------+ +-----------+
|
+----------------------------------+
v
+-----------+ +-----------+ +-----------+
| ПРОМПТ |---->| ОЧИСТИТЬ |---->| УПАКОВАТЬ |
| Написать | | Убрать все| | tar.gz + |
| PROMPT.md | | секреты | | буфер |
+-----------+ +-----------+ +-----------+
|
v
~/Documents/
GPT Pro Analysis/
project-review-2026-03-30/
+-- PROMPT.md (скопирован в буфер)
+-- project.tar.gz
Затем вы:
- Открываете chat.openai.com
- Cmd+V — промпт уже в буфере обмена
- Загружаете
.tar.gz - Отправляете
Вот и весь рабочий процесс. Claude делает сложную часть (структурирует промпт, выбирает нужные файлы, очищает секреты). Вы делаете простую (вставляете и загружаете).
Что попадает в архив
your-project-review-2026-03-30/
+-- PROMPT.md # Инженерный промпт с ролью, контекстом, вопросами
+-- source/ # Релевантные исходные файлы (оригинальные имена)
| +-- module_a.py
| +-- module_b.rs
| +-- Component.tsx
+-- data/ # Подтверждающие материалы — логи, вывод, примеры
| +-- error_log.txt
| +-- sample_output.json
+-- reference/ # Сравнительные материалы, предыдущий анализ
| +-- prior_findings.md
+-- config/ # Очищенная конфигурация
+-- env_sanitized.txt
Подкаталоги адаптируются к предметной области. Ревью текста может использовать chapters/ и feedback/. Анализ данных — datasets/ и schemas/.
Шаблон промпта
Каждый PROMPT.md следует проверенной структуре:
# <Заголовок — что нужно проанализировать>
## Ваша роль
Вы — старший <эксперт в области> и проводите <тип анализа>.
**Правила:**
1. Основывайте выводы на доказательствах из файлов. Помечайте предположения как [HYPOTHESIS].
2. Указывайте, что не так/чего не хватает/что можно улучшить — и как это исправить.
3. Для каждой находки: первопричина, доказательство (файл:строка), исправление, влияние.
## Контекст
<2-4 абзаца: что делает система, как работает, текущее состояние>
## Вопросы
### Q1: <Конкретный, однозначный вопрос>
**Данные:** <Ссылка на конкретные файлы>
**Гипотезы:** <2-3 возможных объяснения>
## Включённые файлы
<Каждый файл с однострочным описанием>
## Формат вывода
1. Краткое резюме (3-5 предложений)
2. Находки (по убыванию критичности)
3. Быстрые победы (можно исправить за < 1 часа)
4. Стратегические рекомендацииШаблон адаптируется к задаче. Ревью безопасности получает другую экспертную роль и вопросы, чем ревью производительности или архитектуры.
Сценарии использования
Ревью кода
«Отправь этот PR на ревью в GPT Pro — меня беспокоит логика конкурентного доступа»
Архитектурные решения
«Мне нужно второе мнение по этому дизайну схемы базы данных перед миграцией»
Отладка
«GPT Pro, посмотри на этот баг — я застрял уже три часа»
Ревью безопасности
«Проверь этот модуль аутентификации на предмет уязвимостей»
Ревью производительности
«Эти запросы работают медленно — нужен свежий взгляд»
Участие в разработке
PR приветствуются. Особенно интересны:
- Новые шаблоны промптов для конкретных предметных областей
- Улучшения логики очистки секретов
- Поддержка других моделей (Gemini Ultra, Grok и т.д.)
- Примеры реальных находок, которые дало кросс-модельное ревью
git clone https://github.com/199-biotechnologies/claude-skill-gpt-pro.git
cd claude-skill-gpt-pro
# Внесите изменения
git submit -m "Add: описание улучшения"Если это сэкономило вам время — поставьте звезду. Это помогает другим разработчикам найти инструмент.
Создано @longevityboris