SKILLEMALL.ai
GitHub ↗ EN Войти

AA pybricks-debug-coach

Обучение отладке роботов Pybricks и LEGO с помощью доказательств, однофакторных тестов и наблюдаемых проверок на соответствие.

машинный переводПоказать оригиналСкрыть оригинал«Coach Pybricks and LEGO robot debugging through evidence, one-variable…»

Coach Pybricks and LEGO robot debugging through evidence, one-variable tests, and observable pass/fail checks.

ClawHub Agent Skills автор: Hao Ying v0.1.1 MIT-0 9 файлов тело ≈ 1 695 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Обучение отладке роботов Pybricks и LEGO с помощью доказательств, однофакторных тестов и наблюдаемых проверок на соответствие.

Как процесс A 82/100 · Дойдёт до конца — слабые места: ошибки и развилки, отчётность по ходу

ПроцедураРазработкатип 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
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
A
82/100
Дойдёт до конца
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
50
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: 9. 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 82/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 48
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Входы и предусловия. Входные данные и предусловия перечислены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1695 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 10. 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)
    • +3Длина description 110: рекомендуется 120–800 символов
    • +2Инструкции на одном языке
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 48 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is a text-only coaching skill for Pybricks robot debugging and does not request device control, credentials, persistence, or broad local access.
    LLM: benign (high) · VirusTotal: · 27 июл. 2026 г.