SKILLEMALL.ai
GitHub ↗ EN Войти

AD autoforge

AutoForge — это производственная автономная система оптимизации для ИИ-агентов. Она заменяет субъективное "рефлексию" математически строгими циклами сходимости — отслеживая каждую итерацию в TSV, перекрестно проверяя с несколькими моделями и останавливаясь только тогда, когда проходные результаты подтверждают реальное улучшение. Четыре специализированных режима: prompt (оптимизация навыков и документации через симуляцию сценариев), code (песочница для выполнения тестов с измеримыми критериями), audit (проверка CLI по сравнению с реальным поведением инструмента) и project (анализ согласованности всего репозитория между файлами). Проверено в бою на более чем 50 итерациях на производственных навыках. Используйте, когда: пользователь говорит "autoforge", "forge", "optimize skill", "improve", "run autoforge", "optimize code", "improve script", "optimize repo", "forge project", "check project", "repo audit".

машинный переводПоказать оригиналСкрыть оригинал«AutoForge is a production-grade autonomous optimization framework for…»

AutoForge is a production-grade autonomous optimization framework for AI agents. It replaces subjective "reflection" with mathematically rigorous convergence loops — tracking every iteration in TSV, cross-validating with multiple models, and stopping only when pass rates confirm real improvement. Four specialized modes: prompt (skill & doc optimization via scenario simulation), code (sandboxed test execution with measurable criteria), audit (CLI verification against live tool behavior), and project (whole-repo cross-file consistency analysis). Battle-tested across 50+ iterations on production skills. Use when: user says "autoforge", "forge", "optimize skill", "improve", "run autoforge", "optimize code", "improve script", "optimize repo", "forge project", "check project", "repo audit".

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 9 файлов · 1 скрипт тело ≈ 4 983 токенов Открыть источникgithub.com↗ проанализирован 26 ч назад

AutoForge — это производственная автономная система оптимизации для ИИ-агентов.

Как процесс D 42/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторDockerРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
D
42/100
Процесс не доведён
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

    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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Опасные команды cmd-pipe-to-shell-known-host references/ml-mode.md:21
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (документация security-скилла)
      curl -LsSf https://astral.sh/uv/install.sh | sh
      security-скилл

    Просканировано файлов: 9. 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 42/100

    • 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: 3, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4983 токенов
    • 100Шаги. Шагов: 92
    • 100Согласованность. Имя и обязательные поля на месте
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 16. 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -218 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 11 примера фраз-триггеров в кавычках
    • +3Длина description 795 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 45 заголовков
    • +3Пошаговые инструкции: 92 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.