SKILLEMALL.ai

AC agent-team

Организация динамической команды из нескольких агентов, где ведущий агент (opus) планирует и делегирует задачи специализированным рабочим агентам (sonnet), которые общаются двунаправленно. Используйте, когда задачи выигрывают от параллелизма или специализации — обзор кода, исследование рынка, анализ торговых сигналов, конкурентный анализ или любая сложная задача, которую можно разбить на параллельные рабочие потоки. Активируется по фразам вроде "agent team", "multi-agent", "spawn agents", "parallel agents", "team of agents", "让多个agent协作", "多智能体", "agent团队".

машинный переводПоказать оригиналСкрыть оригинал«Orchestrate a dynamic multi-agent team where a lead agent (opus) plans…»

Orchestrate a dynamic multi-agent team where a lead agent (opus) plans and delegates tasks to specialized worker agents (sonnet) that communicate bidirectionally. Use when tasks benefit from parallelism or specialization — code review, market research, trading signal analysis, competitive analysis, or any complex task decomposable into parallel workstreams. Triggers on phrases like "agent team", "multi-agent", "spawn agents", "parallel agents", "team of agents", "让多个agent协作", "多智能体", "agent团队".

ClawHub Agent Skills автор: AA-rick v1.0.0 MIT-0 3 файла тело ≈ 1 090 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Организация динамической команды из нескольких агентов, где ведущий агент (opus) планирует и делегирует задачи специализированным рабочим агентам (sonnet)…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. 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 54/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (agent-team) не совпадает с папкой (xqe-agent-team)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Стоимость исполнения. Тело инструкции 1090 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 499 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a multi-agent orchestration skill whose broad activation language could start delegated workflows, including sensitive code and trading analysis, without a clear user opt-in.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.