SKILLEMALL.ai

BB expert-in-hours

Применяет четырехслойную структуру обучения к любому материалу (вставленный текст, путь к файлу, URL или доменное имя). Извлекает: Представления → Схемы → Ментальные модели → Объяснительная структура. Использует метод MIT: 5 основных ментальных моделей + 3 основных спора + 10 тестовых вопросов.

машинный переводПоказать оригиналСкрыть оригинал«Apply the four-layer learning framework to any material (pasted text,…»

Apply the four-layer learning framework to any material (pasted text, file path, URL, or domain name). Extracts: Representations → Schemas → Mental Models → Explanatory Framework. Uses the MIT method: 5 core mental models + 3 major disputes + 10 test questions.

ClawHub Agent Skills автор: BHackerJ v1.0.1 MIT-0 2 файла тело ≈ 1 106 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Применяет четырехслойную структуру обучения к любому материалу (вставленный текст, путь к файлу, URL или доменное имя).

Как процесс B 67/100 · Почти готов — слабые места: когда включается, согласованность, повторный запуск

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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: 2. 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 "preamble-tier"
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

Процессный рейтинг: все десять параметров 67/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (expert-in-hours) не совпадает с папкой (mental-atlas)
  • 55Ошибки и развилки. Развилок: 1
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 14
  • 100Стоимость исполнения. Тело инструкции 1106 токенов

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)
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 261 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +3Формат ответа описан явно

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This is an instruction-only learning skill that reads user-provided material or fetches user-provided URLs to produce a structured study framework.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.