SKILLEMALL.ai

AC architect-method-lens

Извлекайте основанные на доказательствах методы проектирования из трудов, интервью, чертежей и построенных работ архитектора, а затем критически применяйте эти методы к текущему архитектурному проекту. Используйте при исследовании архитектора или практики, анализе прецедентов в разных проектах, создании профиля архитектора-метода для повторного использования, сравнении подходов нескольких архитекторов, переводе философии дизайна в вопросы или операции, специфичные для проекта, или критике схемы через методологическую призму известного архитектора без копирования фирменного стиля.

машинный переводПоказать оригиналСкрыть оригинал«Extract evidence-backed design methods from an architect's writings, i…»

Extract evidence-backed design methods from an architect's writings, interviews, drawings, and built works, then apply those methods critically to a current architectural project. Use when researching an architect or practice, analyzing precedents across projects, building a reusable architect-method profile, comparing several architects' approaches, translating design philosophy into project-specific questions or operations, or critiquing a scheme through a named architect's methodological lens without copying signature style.

ClawHub Agent Skills автор: Canin lew v0.1.0 MIT-0 4 файла тело ≈ 1 686 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Извлекайте основанные на доказательствах методы проектирования из трудов, интервью, чертежей и построенных работ архитектора, а затем критически применяйте…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИнфраструктураТексты и документыИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
56/100
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: 4. 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 56/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 64
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1686 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 533 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 64 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent architectural research and critique workflow with no hidden execution, persistence, or privileged access behavior in the inspected artifacts.
    LLM: benign (high) · VirusTotal: · 24 авг. 2026 г.