SKILLEMALL.ai

AD agentsop-agent-topology-selection

Кросс-фреймворковая надстройка для выбора топологии мультиагента ДО написания какого-либо агента. Рубрика бинарных вопросов — достаточно ли одного агента + инструментов? должны ли агенты знать друг о друге? нужен ли выходной результат в одном голосе? — сопоставляет ответ с одноагентной системой / супервизором / роем / последовательной / иерархической. Активируется, когда агент-кодер склоняется к «разделению работы по ролям» или тянется к мультиагентному фреймворку. Кодирует *рубрику выбора*, которую навыки для конкретных фреймворков предполагают, но никогда не раскрывают. Ключевые слова для поиска: когда использовать мультиагент, один против мультиагента, нужен ли мне несколько агентов, супервизор против роя, мультиагент против одноагента, дизайн команды агентов.

машинный переводПоказать оригиналСкрыть оригинал«Cross-framework enhancement overlay for choosing a multi-agent topolog…»

Cross-framework enhancement overlay for choosing a multi-agent topology BEFORE writing any agent. A binary-question rubric — is single-agent + tools enough? do agents need to know about each other? does the output need one voice? — maps the answer to single-agent / supervisor / swarm / sequential / hierarchical. Activates when a coder agent is tempted to "split the work into roles" or reaches for a multi-agent framework. Encodes the *selection rubric* that the per-framework skills assume but never surface. Search keywords: when to use multi-agent, single vs multi agent, do I need multiple agents, supervisor vs swarm, multi-agent vs single agent, agent team design.

ClawHub Agent Skills автор: HengJun Wang v0.1.1 MIT-0 5 файлов тело ≈ 4 469 токенов Открыть источникclawhub.ai проанализирован 22 ч назад

Кросс-фреймворковая надстройка для выбора топологии мультиагента ДО написания какого-либо агента.

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

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
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
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "overlay"
    • заметка frontmatter-key неизвестное поле фронтматтера "cross_links"

    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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4469 токенов
    • 100Шаги. Шагов: 83
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 672 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 26 заголовков
    • +3Пошаговые инструкции: 83 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only planning skill for choosing agent architectures, with a minor metadata hygiene issue from local authoring paths.
    LLM: benign (high) · VirusTotal: · 2 июн. 2026 г.