SKILLEMALL.ai
GitHub ↗ EN Войти

BC build-personal-skill

Обоснованное создание повторно используемого навыка создания личных курсов из собственной истории занятий и чатов пользователя. Используйте, когда пользователь просит обобщить, проанализировать или изучить свои прошлые записи/историю создания курсов и создать личный, эксклюзивный или повторно используемый навык, например, «总结我的做课记录，给我做个专属 Skill» или «从我过去的课程和对话里提炼一个个人技能».

машинный переводПоказать оригиналСкрыть оригинал«Evidence-based creation of a reusable personal course-making Skill fro…»

Evidence-based creation of a reusable personal course-making Skill from the user's own classroom and chat history. Use when the user asks to summarize, analyze, or learn from their past course-making records/history and create a personal, exclusive, or reusable Skill, such as “总结我的做课记录，给我做个专属 Skill” or “从我过去的课程和对话里提炼一个个人技能”.

THU-MAIC/OpenMAIC Agent Skills автор: THU-MAIC MIT 1 файл тело ≈ 577 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Обоснованное создание повторно используемого навыка создания личных курсов из собственной истории занятий и чатов пользователя.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторОбучениеТексты 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
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 1. 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 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 13
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 577 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

    • +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
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 326 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 3 заголовков
    • +3Пошаговые инструкции: 13 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.