SKILLEMALL.ai
GitHub ↗ EN Войти

AA what-next

Используйте, когда пользователь спрашивает, что делать дальше, просит план в условиях неопределенности, ставит под сомнение застрявшую или ненадежную работу, запрашивает несколько возможных подходов перед действием или нуждается в петле, основанной на доказательствах, которая использует проверки предпосылок в стиле RT-ICA, враждебный обзор, координацию под-агентов, реальную валидацию и отслеживание устойчивых проблем.

машинный переводПоказать оригиналСкрыть оригинал«Use when the user asks what to do next, asks for a plan under uncertai…»

Use when the user asks what to do next, asks for a plan under uncertainty, challenges stalled or low-trust work, requests multiple possible approaches before action, or needs an evidence-first loop that uses RT-ICA-style prerequisite checks, adversarial review, subagent coordination, real validation, and durable concern tracking.

Jamie-BitFlight/claude_skills Agent Skills автор: Jamie-BitFlight MIT 2 файла тело ≈ 2 391 токенов Открыть источникgithub.com↗ проанализирован 8 дн назад

Используйте, когда пользователь спрашивает, что делать дальше, просит план в условиях неопределенности, ставит под сомнение застрявшую или ненадежную работу…

Как процесс A 83/100 · Дойдёт до конца — слабые места: повторный запуск, отчётность по ходу

АнализаторИнфраструктураИИ и агентыТексты 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
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
A
83/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Ошибки и развилки вес 10
50
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 83/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 62
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2391 токенов
    • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 331 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 62 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (10 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.