SKILLEMALL.ai

AD aj-self-improving-agents

Записывает полученные знания, ошибки и исправления для непрерывного улучшения. Используйте, когда: (1) команда или операция неожиданно завершается ошибкой, (2) пользователь исправляет Claude («Нет, это неправильно...», «На самом деле...»), (3) пользователь запрашивает несуществующую возможность, (4) внешний API или инструмент дает сбой, (5) Claude понимает, что его знания устарели или неверны, (6) обнаружен лучший подход к повторяющейся задаче. Также просматривайте полученные знания перед выполнением крупных задач.

машинный переводПоказать оригиналСкрыть оригинал«Captures learnings, errors, and corrections to enable continuous impro…»

Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Claude ('No, that's wrong...', 'Actually...'), (3) User requests a capability that doesn't exist, (4) An external API or tool fails, (5) Claude realizes its knowledge is outdated or incorrect, (6) A better approach is discovered for a recurring task. Also review learnings before major tasks.

ClawHub Agent Skills автор: aceundefeated v1.0.0 MIT-0 14 файлов · 3 скрипта тело ≈ 4 777 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Записывает полученные знания, ошибки и исправления для непрерывного улучшения.

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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: 14. 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 47/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (aj-self-improving-agents) не совпадает с папкой (aj-self-improving-agent)
    • 60Инструменты и файлы. Используются инструменты (bash, git, node), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4777 токенов
    • 85Шаги. Шагов: 118, расплывчатых формулировок: 1
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 18. 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 445 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 53 заголовков
    • +3Пошаговые инструкции: 118 пунктов
    • +4Есть примеры (20 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 3)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed self-improvement logger with optional reminders, but users should control what gets saved or promoted into future agent memory.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.