SKILLEMALL.ai
GitHub ↗ EN Войти

CC design-icons-and-symbols

Разрабатывать, редактировать, мигрировать или проверять значки и символы. Использовать для значков функций пользовательского интерфейса, символов общественной информации, знаков безопасности и эксплуатации, символов оборудования, миниатюрных символов после установления фирменного стиля, активов состояний и анимации, а также шаблонов векторных изображений, адаптации к платформе, проверки понимания и реального потребления на хосте; логотипы брендов управляются областью бренда, зарегистрированные символы безопасности по умолчанию повторно используются и направляются ответственным лицам.

машинный переводПоказать оригиналСкрыть оригинал«设计、编辑、迁移或审查图标与符号。用于 UI 功能图标、公共信息符号、安全与运营符号、设备符号、品牌身份既定后的微缩符号、状态与动效资产，以…»

设计、编辑、迁移或审查图标与符号。用于 UI 功能图标、公共信息符号、安全与运营符号、设备符号、品牌身份既定后的微缩符号、状态与动效资产，以及矢量母版、平台适配、理解验证和真实宿主消费；身份标志由品牌领域主导，注册安全符号默认复用并路由权威责任人。

EverMind-AI/Raven Agent Skills автор: EverMind-AI Apache-2.0 3 файла тело ≈ 1 467 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Разрабатывать, редактировать, мигрировать или проверять значки и символы.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаМаркетингДизайнтип 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
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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.
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: 3. 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")

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 45
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1467 токенов

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.