SKILLEMALL.ai

BD arrow

Справочник по колоночному формату Apache Arrow в памяти. Обмен данными без копирования, колоночное представление в памяти с битовыми картами действительности, pyarrow Table/RecordBatch/compute, Arrow Flight RPC для высокопроизводительной передачи, API Dataset с передачей предикатов, интеграция с pandas/DuckDB/Polars/Spark, компилятор Gandiva LLVM и подключение к базам данных ADBC.

машинный переводПоказать оригиналСкрыть оригинал«Apache Arrow in-memory columnar format reference. Zero-copy data excha…»

Apache Arrow in-memory columnar format reference. Zero-copy data exchange, columnar memory layout with validity bitmaps, pyarrow Table/RecordBatch/compute, Arrow Flight RPC for high-performance transfer, Dataset API with predicate pushdown, pandas/DuckDB/Polars/Spark integration, Gandiva LLVM compiler, and ADBC database connectivity.

ClawHub Hermes автор: bytesagain3 v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 144 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Справочник по колоночному формату Apache Arrow в памяти.

Как процесс D 36/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

СправочникДанные и аналитикаРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
50
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 335 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "source"

Процессный рейтинг: все десять параметров 36/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 144 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)
  • +4Структура: 2 заголовков, инструкции сложно сканировать
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 335 символов: достаточно сигнала, не съедает бюджет

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 50.

Внешние проверки

ClawHub: clean
This skill is a documentation-style Apache Arrow reference tool that prints examples and does not show hidden access, persistence, or data exfiltration behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.