SKILLEMALL.ai

AC ai-persona-engine

Создание эмоционально интеллектуальных ИИ-персонажей для голосовых и чат-ролевых игр с использованием подсказок режиссера вместо технических спецификаций. Используйте при создании ИИ-персонажей, которые должны звучать как реальные люди, а не чат-боты — охватывает Доктрину воплощенного интеллекта, краткость в дизайне голоса, 5-уровневый интеллект разговора, элементарные архетипы, самоаудит качества персонажа и принцип, что сопротивление равно меньшему количеству слов.

машинный переводПоказать оригиналСкрыть оригинал«Build emotionally intelligent AI personas for voice and chat roleplay…»

Build emotionally intelligent AI personas for voice and chat roleplay using actor-direction prompts instead of technical specifications. Use when creating AI characters that need to sound like real people, not chatbots — covers the Doctrine of Embodied Intelligence, brevity-first voice design, 5-layer conversation intelligence, elemental archetypes, self-auditing persona quality, and the principle that resistance equals fewer words.

ClawHub Agent Skills автор: brandonwadepackard-cell v1.0.0 2 файла тело ≈ 1 108 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создание эмоционально интеллектуальных ИИ-персонажей для голосовых и чат-ролевых игр с использованием подсказок режиссера вместо технических спецификаций.

Как процесс C 52/100 · Есть пробелы — 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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: 2. 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 52/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 17
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1108 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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 436 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 17 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: 88.

    Внешние проверки

    ClawHub: suspicious
    This is a prompt-design skill, but it also describes storing call-derived audit data and applying runtime prompt patches without enough consent, retention, or approval controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.