SKILLEMALL.ai

AC narrative-focus

Фокус повествования — обнаружение и исправление «несоответствия веса повествования» в технических руководствах и статьях для подготовки к собеседованию. Активировать, когда пользователи просят проверить технические статьи на несоответствие веса концепций, исправить фокус повествования или пометить технические детали по роли во время исследования/сбора данных для предотвращения несоответствия. Также активируется по: «检测叙述重心», «叙述重心错位», «概念权重», «角色标注», «按叙述重心规范收集», «审稿重心», «narrative focus», «narrative weight», «concept weight», «review narrative».

машинный переводПоказать оригиналСкрыть оригинал«Narrative Focus — detect and fix "narrative weight misalignment" in te…»

Narrative Focus — detect and fix "narrative weight misalignment" in technical tutorials and interview prep articles. Trigger when users ask to review technical articles for concept weight misalignment, fix narrative focus, or label technical details by role during research/collection to prevent misalignment. Also triggers on: "检测叙述重心", "叙述重心错位", "概念权重", "角色标注", "按叙述重心规范收集", "审稿重心", "narrative focus", "narrative weight", "concept weight", "review narrative".

ClawHub Agent Skills автор: Co-Kyo v1.2.0 MIT-0 7 файлов тело ≈ 1 305 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Фокус повествования — обнаружение и исправление «несоответствия веса повествования» в технических руководствах и статьях для подготовки к собеседованию.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторТексты и документыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
61/100
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: 7. 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 61/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 10, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1305 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

    • +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
    • +5В description 8 примера фраз-триггеров в кавычках
    • +3Длина description 461 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    The skill appears to perform purpose-aligned post-processing edits, with no evidence of hidden access, exfiltration, destructive behavior, or unsafe persistence.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.