SKILLEMALL.ai
GitHub ↗ EN Войти

BD skill-tracker

Универсальный навык использования статистического трекера, поддерживающий навыки Python и Node.js, автоматически записывает количество вызовов, процент успешных выполнений, генерирует рейтинг использования. Данные хранятся локально, обеспечивая конфиденциальность.

машинный переводПоказать оригиналСкрыть оригинал«通用技能使用统计追踪器，支持 Python 和 Node.js 技能，自动记录调用次数、成功率，生成使用排行榜。数据本地存储，保护隐私。…»

通用技能使用统计追踪器，支持 Python 和 Node.js 技能，自动记录调用次数、成功率，生成使用排行榜。数据本地存储，保护隐私。

ClawHub Agent Skills автор: aiyst1982 v1.2.0 MIT-0 9 файлов тело ≈ 747 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Универсальный навык использования статистического трекера, поддерживающий навыки Python и Node.js, автоматически записывает количество вызовов, процент…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИнфраструктуратип 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
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
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: 9. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "changelog"

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (skill-tracker) не совпадает с папкой (skill-tracker-aiyst)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 36
  • 100Стоимость исполнения. Тело инструкции 747 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 14. 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 68: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -217 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (7 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This is a local skill-usage tracker that matches its stated purpose, but it creates persistent local logs that may include user, session, and error metadata.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.