SKILLEMALL.ai

AB ondeckllm

Локальная панель управления для управления поставщиками LLM, маршрутизацией моделей и цепочками резервного копирования. Автоматически обнаруживает поставщиков из конфигурации OpenClaw или работает автономно. Используйте, когда: (1) пользователь хочет управлять или просматривать своих поставщиков LLM, (2) пользователь хочет изменить приоритет модели/порядок использования, (3) пользователь хочет проверить работоспособность или задержку поставщика, (4) пользователь хочет добавить/удалить/настроить поставщиков LLM, (5) пользователь упоминает OnDeckLLM или линейку моделей. Требуется: Node.js 22+, установленный OnDeckLLM (`npm install -g ondeckllm`).

машинный переводПоказать оригиналСкрыть оригинал«Localhost dashboard for managing LLM providers, model routing, and bat…»

Localhost dashboard for managing LLM providers, model routing, and batting-order fallback chains. Auto-discovers providers from OpenClaw config or works standalone. Use when: (1) user wants to manage or view their LLM providers, (2) user wants to change model priority/batting order, (3) user wants to check provider health or latency, (4) user wants to add/remove/configure LLM providers, (5) user mentions OnDeckLLM or model lineup. Requires: Node.js 22+, OnDeckLLM installed (`npm install -g ondeckllm`).

ClawHub Agent Skills автор: canonflip-git v1.4.3 MIT-0 3 файла тело ≈ 504 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Локальная панель управления для управления поставщиками LLM, маршрутизацией моделей и цепочками резервного копирования.

Как процесс B 68/100 · Почти готов — слабые места: результат и критерий готовности, когда включается

ПроцедураИИ и агентытип 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
B
68/100
Почти готов
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Ошибки и развилки вес 10
50
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "install"

    Процессный рейтинг: все десять параметров 68/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 12
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 504 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 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
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 507 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 12 пунктов
    • +4Есть примеры (4 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

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

    Внешние проверки

    ClawHub: clean
    This is a disclosed local dashboard skill for managing LLM provider routing, with expected local config access and no evidence of hidden or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.