SKILLEMALL.ai

AD agenthub

Плагин для совместной работы нескольких агентов, который запускает N параллельных субагентов, конкурирующих над одной задачей с помощью изоляции рабочих деревьев git. Агенты работают независимо, результаты оцениваются по метрике или судье LLM, и лучшая ветка сливается. Используйте, когда: пользователь хочет, чтобы несколько подходов были опробованы параллельно — оптимизация кода, вариации контента, исследование, или любая задача, которая выигрывает от параллельной конкуренции. Требуется: репозиторий git.

машинный переводПоказать оригиналСкрыть оригинал«Multi-agent collaboration plugin that spawns N parallel subagents comp…»

Multi-agent collaboration plugin that spawns N parallel subagents competing on the same task via git worktree isolation. Agents work independently, results are evaluated by metric or LLM judge, and the best branch is merged. Use when: user wants multiple approaches tried in parallel — code optimization, content variation, research exploration, or any task that benefits from parallel competition. Requires: a git repo.

alirezarezvani/claude-skills Agent Skills автор: alirezarezvani MIT 10 файлов тело ≈ 1 820 токенов Открыть источникgithub.com проанализирован 2 дн назад

Плагин для совместной работы нескольких агентов, который запускает N параллельных субагентов, конкурирующих над одной задачей с помощью изоляции рабочих…

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
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: 10. 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 48/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 40
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1820 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 6 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 420 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 40 пунктов
    • +4Есть примеры (8 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 3)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.