SKILLEMALL.ai
GitHub ↗ EN Войти

BC first-principles-thinking

Рассуждайте от основ с помощью журналов утверждений в сеансе, карт механизмов, проверок предположений, оценок Ферми, обоснования доказательств, вопросов для проверки, критики от red-team и структурированного мозгового штурма. Используйте для принятия архитектурных, системных, технологических, отладочных, производительных, миграционных, стратегических, продуктовых, исследовательских, научных или деловых решений, или для запросов вроде «первые принципы», «бросьте вызов предположениям», «с нуля», «мозговой штурм» или «думайте от основ».

машинный переводПоказать оригиналСкрыть оригинал«Reason from fundamentals with in-session claim ledgers, mechanism maps…»

Reason from fundamentals with in-session claim ledgers, mechanism maps, assumption checks, Fermi estimates, evidence grounding, verification questions, red-team critique, and structured brainstorming. Use for architecture, system design, technology selection, debugging, performance, migrations, strategy, product, research, scientific or business decisions, or prompts like first principles, challenge assumptions, from scratch, brainstorm, or think from fundamentals.

ClawHub Agent Skills автор: BlackC4T v1.0.1 MIT-0 9 файлов тело ≈ 10 607 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Рассуждайте от основ с помощью журналов утверждений в сеансе, карт механизмов, проверок предположений, оценок Ферми, обоснования доказательств, вопросов для…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

АнализаторИнфраструктураРазработкаИИ и агентытип 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
89/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • низкая Рискованное назначение intent-offensive-security references/advanced-reasoning-tools.md:17
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - Verification: [self-consistency / CoVe / backward check / sensitivity / red team]
  • низкая Рискованное назначение intent-offensive-security references/advanced-reasoning-tools.md:250
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - Skeptic / red team: attacks assumptions, incentives, security, and failure modes.
  • низкая Рискованное назначение intent-offensive-security SKILL.md:157
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    | High-stakes or likely hallucination risk | Chain-of-verification, backward check, red team, sensitivity analysis |
  • низкая Рискованное назначение intent-offensive-security SKILL.md:206
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    mechanist, operator / implementation realist, skeptic / red team, and

Просканировано файлов: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 10607 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 62/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (first-principles-thinking) не совпадает с папкой (b143kc47-first-principles-thinking-v2)
  • 40Стоимость исполнения. Тело инструкции 10607 токенов: вытесняет саму задачу из окна
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 171
  • 100Ошибки и развилки. Развилок: 9, есть раздел про ошибки
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 15. 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 469 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 38 заголовков
  • +3Пошаговые инструкции: 171 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 6)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
The skill appears to be a disclosed Convex development helper, with only a broad auto-invocation setting worth noticing.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.