SKILLEMALL.ai
GitHub ↗ EN Войти

BD auto-context

Интеллектуальный санитар контекста. Анализирует степень загрязнения контекста текущей сессии (длинные диалоги, смена темы, накопление шума), предлагает: continue, /fork, /btw или новую сессию. Поддерживает ручное ( /auto-context ) и автоматическое срабатывание (реализация на уровне ответов). Многомерная система оценки на основе статей ArXiv и исследований когнитивной психологии.

машинный переводПоказать оригиналСкрыть оригинал«智能上下文卫生检查器。分析当前会话的上下文污染程度 （长对话、主题漂移、噪声累积），建议：continue、/fork、/btw 或新会话。…»

智能上下文卫生检查器。分析当前会话的上下文污染程度 （长对话、主题漂移、噪声累积），建议：continue、/fork、/btw 或新会话。 支持手动触发（/auto-context）和自动触发（响应层实现）。 基于 ArXiv 论文和认知心理学研究的多维度评估体系。

ClawHub Agent Skills автор: Jialin v1.1.0 MIT-0 8 файлов тело ≈ 990 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Интеллектуальный санитар контекста.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктураИсследованиятип 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

  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: 8. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (auto-context) не совпадает с папкой (0xcjl-auto-context)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 34
  • 100Стоимость исполнения. Тело инструкции 990 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +2Инструкции на одном языке
  • +3Длина description 134 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (3 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a disclosed conversation-health reminder skill with no executable code or data-transfer behavior, though its automatic reminders may affect normal responses.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.