SKILLEMALL.ai
GitHub ↗ EN Войти

CC skill-creator

Создавать, редактировать, оценивать и оптимизировать навыки, включая бенчмаркинг и настройку описаний для лучшего срабатывания.

машинный переводПоказать оригиналСкрыть оригинал«Create, edit, evaluate, and optimize skills, including benchmarking an…»

Create, edit, evaluate, and optimize skills, including benchmarking and description tuning for better triggering.

CherryHQ/cherry-studio Agent Skills автор: CherryHQ AGPL-3.0 18 файлов · 10 скриптов тело ≈ 8 595 токенов Открыть источникgithub.com↗ проанализирован 13 дн назад

Создавать, редактировать, оценивать и оптимизировать навыки, включая бенчмаркинг и настройку описаний для лучшего срабатывания.

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, стоимость исполнения

АнализаторИИ и агентыДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Стоимость исполнения вес 6
40
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 18. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 8595 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 213): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 63/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Стоимость исполнения. Тело инструкции 8595 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Шаги. Шагов: 83, расплывчатых формулировок: 9
  • 70Ошибки и развилки. Развилок: 4
  • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (12 тегов): типизированный вызов надёжнее

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 113: рекомендуется 120–800 символов
  • -36 из 9 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +4Структура: 35 заголовков
  • +3Пошаговые инструкции: 83 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (15 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

В песочнице Скрипты вели себя тихо

Скрипты скилла запущены в одноразовой машине: без сети, с подложными ключами в домашнем каталоге, под наблюдением. Мы записали, что они делали. Попытка выйти в сеть или прочитать чужие секреты ограничивает техническую оценку буквой C; тихий запуск баллов не добавляет.

Запущено 9 скриптов; каждому дали двадцать секунд, поддельный домашний каталог с ключами и сеть, в которой ничего нет.

Из них 8 не дошли до работы, и об их поведении мы ничего не узнали.

eval-viewer/generate_review.pyне запустился: generate_review.py: error: the following arguments are required: workspace
scripts/aggregate_benchmark.pyне запустился: aggregate_benchmark.py: error: the following arguments are required: benchmark_dir
scripts/generate_report.pyне запустился: generate_report.py: error: the following arguments are required: input
scripts/improve_description.pyне запустился: improve_description.py: error: the following arguments are required: --eval-results, --skill-path, --model
scripts/package_skill.pyне запустился: Usage: python utils/package_skill.py <path/to/skill-folder> [output-directory]
scripts/quick_validate.pyне запустился: Usage: python quick_validate.py <skill_directory>
scripts/run_eval.pyне запустился: run_eval.py: error: the following arguments are required: --eval-set, --skill-path
scripts/run_loop.pyне запустился: run_loop.py: error: the following arguments are required: --eval-set, --skill-path, --model
scripts/utils.pyничего за пределами своей папки

29 сент. 2026 г.