SKILLEMALL.ai

AC byterover

Вы ДОЛЖНЫ использовать это для сбора контекста перед любой работой. Это управление знаниями для ИИ-агентов. Используйте `brv` для хранения и извлечения шаблонов проектов, решений и архитектурных правил в .brv/context-tree. Использует настроенного поставщика LLM (по умолчанию: ByteRover, ключ API не требуется) для операций запроса и курирования.

машинный переводПоказать оригиналСкрыть оригинал«You MUST use this for gathering contexts before any work. This is a Kn…»

You MUST use this for gathering contexts before any work. This is a Knowledge management for AI agents. Use `brv` to store and retrieve project patterns, decisions, and architectural rules in .brv/context-tree. Uses a configured LLM provider (default: ByteRover, no API key needed) for query and curate operations.

ClawHub Agent Skills автор: byterover v3.3.0 MIT-0 2 файла тело ≈ 4 946 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Вы ДОЛЖНЫ использовать это для сбора контекста перед любой работой.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

ИнтеграцияObsidianИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: byterover (ClawHub)

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: 0. 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 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web, node), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4946 токенов
    • 100Шаги. Шагов: 68
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 314 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 21 заголовков
    • +3Пошаговые инструкции: 68 пунктов
    • +4Есть примеры (57 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: suspicious
    This skill is for project memory, but it broadly directs agents to send project context to LLM providers and persist new memory, so it should be reviewed before installation.
    LLM: suspicious (high) · VirusTotal: benign · 10 сент. 2026 г.