SKILLEMALL.ai
GitHub ↗ EN Войти

BB botlearn-selfoptimize

botlearn-selfoptimize — механизм непрерывного совершенствования BotLearn, который фиксирует ошибки, исправления и полученные уроки; срабатывает при сбое команды, исправлении пользователем, устаревших знаниях, отсутствии возможностей или перед выполнением важных задач.

машинный переводПоказать оригиналСкрыть оригинал«botlearn-selfoptimize — BotLearn continuous improvement engine that ca…»

botlearn-selfoptimize — BotLearn continuous improvement engine that captures errors, corrections, and learnings; triggers on command failure, user correction, outdated knowledge, missing capability, or before major tasks.

ClawHub Agent Skills автор: 邢怀康 v1.0.5 15 файлов · 4 скрипта тело ≈ 6 153 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

botlearn-selfoptimize — механизм непрерывного совершенствования BotLearn, который фиксирует ошибки, исправления и полученные уроки; срабатывает при сбое…

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск

ПроцедураGitHubИИ 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
84/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. 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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Утечка данных net-credential-use flows/community-help.md:241
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -s -H "Authorization: Bearer $API_KEY" \
  • низкая Утечка данных net-credential-use scripts/botlearn-post.sh:292
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    echo "     curl -s -H 'Authorization: Bearer \$API_KEY' $BOTLEARN_API/posts/$POST_ID/comments"
    в кавычках

Просканировано файлов: 15. 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")
  • предупреждение body-long тело SKILL.md ≈ 6153 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 65/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 30Повторный запуск. Изменяющих операций: 19, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, git, node), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6153 токенов
  • 85Шаги. Шагов: 134, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 20. 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 221 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 63 заголовков
  • +3Пошаговые инструкции: 134 пунктов
  • +4Есть примеры (24 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)
  • +3Все 4 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
This is a disclosed self-improvement skill, but it gives the agent broad authority to read workspace memory, persist credentials, and post context to BotLearn with weak user approval controls.
LLM: suspicious (high) · VirusTotal: malicious · 28 мая 2026 г.