SKILLEMALL.ai

AC moji-daily

墨记 — система отслеживания ежедневных задач. Автоматически управляет созданием, обновлением, отслеживанием, подведением итогов и переносом ежедневных дел через диалог. Сценарии использования: (1) Ежедневный cron в 09:00 запускает утренний обзор, запрашивает у пользователя задачи на день и записывает их в tasks/YYYY-MM-DD.md; (2) Ежедневный cron в 12:00 запускает дневное отслеживание, проверяет прогресс; (3) Ежедневный cron в 18:00 запускает вечернее подведение итогов, обобщает выполненные задачи и переносит незавершенные на следующий день; (4) Автоматически обновляет файл задач, когда пользователь в любое время сообщает в чате о выполнении задачи, добавляет новую задачу, изменяет или отменяет задачу. Подходит для менеджеров, предпринимателей, консультантов, которым требуется детальное ведение ежедневной работы. Данные хранятся в локальных файлах Markdown, не требуют сервера и легко копируются и переносятся.

машинный переводПоказать оригиналСкрыть оригинал«墨记 — 每日任务追踪系统。通过聊天对话自动管理每日待办事项的创建、更新、跟进、总结和滚动。适用场景:(1) 每日09:00 cron触发早…»

墨记 — 每日任务追踪系统。通过聊天对话自动管理每日待办事项的创建、更新、跟进、总结和滚动。适用场景:(1) 每日09:00 cron触发早间Review,询问用户当天任务并写入 tasks/YYYY-MM-DD.md;(2) 每日12:00 cron触发午间跟进,检查进度;(3) 每日18:00 cron触发晚间总结,汇总完成情况并滚动未完成项到次日;(4) 用户随时在聊天中报告任务完成、添加新任务、修改或取消任务时,自动更新任务文件。适合需要精细记录每日工作的管理者、创业者、咨询顾问,数据以本地Markdown文件存储,零服务器依赖,可轻松复制迁移。

ClawHub Agent Skills автор: afeicn v1.0.1 MIT-0 5 файлов · 1 скрипт тело ≈ 290 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

墨记 — система отслеживания ежедневных задач.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

  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: 5. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 290 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 280 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This is a disclosed local daily task tracker that can create recurring reminders and update local Markdown task files, with no evidence of hidden or unrelated behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.