SKILLEMALL.ai

AC think-plan

Навык глубокого обдумывания и планирования. Используется для анализа требований, проектирования решений и планирования выполнения сложных задач. Сценарии запуска: 1. Пользователь говорит «Помоги мне спланировать…», «Я хочу сделать…», «Проанализируй это решение» 2. Пользователь явно говорит «Используй think-plan» или «Используй навык обдумывания и планирования» 3. Требования к задаче, поставленной пользователем, неясны и требуют уточнения 4. Пользователю требуется сравнение нескольких вариантов решений Основные возможности: - Критический анализ требований: объективное указание на логические проблемы и когнитивные искажения в идеях пользователя - Адаптивное проектирование решений: определение одно- или многоагентной архитектуры в зависимости от сложности - Планирование выполнимых действий: создание подробного плана, готового к исполнению Рабочий процесс: Обсуждение требований → Генерация решения → Реализация

машинный переводПоказать оригиналСкрыть оригинал«深度思考与规划 Skill。用于复杂任务的需求挖掘、方案设计和执行规划。 触发场景: 1. 用户说"帮我规划一下..."、"我想做一个..…»

深度思考与规划 Skill。用于复杂任务的需求挖掘、方案设计和执行规划。 触发场景: 1. 用户说"帮我规划一下..."、"我想做一个..."、"分析一下这个方案" 2. 用户明确说"使用 think-plan"或"用思考规划 Skill" 3. 用户提出的任务需求不清晰、需要梳理 4. 用户需要多个可选方案对比 核心能力: - 批判性需求挖掘:客观指出用户想法的逻辑问题和认知偏差 - 自适应方案设计:根据复杂度决定单/多智能体架构 - 可落地执行规划:产出可直接执行的详细方案 工作流程:需求探讨 → 方案生成 → 执行实施

ClawHub Agent Skills автор: caoyachao v1.0.0 MIT-0 5 файлов тело ≈ 769 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык глубокого обдумывания и планирования.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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.
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: 5. 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")

Процессный рейтинг: все десять параметров 59/100

  • 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
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 77
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 769 токенов
  • 100Повторный запуск. Изменяющих операций нет

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

  • +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
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 268 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 34 заголовков
  • +3Пошаговые инструкции: 77 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a planning skill with disclosed workspace plan-saving and optional execution coordination, but no evidence of hidden exfiltration, destructive behavior, or credential access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.