SKILLEMALL.ai

BC architect

Превращает вашего агента OpenClaw из реактивного обработчика вопросов в проактивного автономного исполнителя. ARCHITECT берет любую высокоуровневую цель, разбивает ее на граф зависимых задач, выполняет каждый шаг с проверкой, самокорректируется при сбое и доставляет результаты — все это без вашего вмешательства. Отсутствующий уровень выполнения для персональных ИИ-агентов. Нулевые зависимости. Нулевая конфигурация. Работает с любой моделью. Сочетается с apex-agent и agent-memoria для полного стека автономных агентов.

машинный переводПоказать оригиналСкрыть оригинал«Transforms your OpenClaw agent from a reactive question-answerer into…»

Transforms your OpenClaw agent from a reactive question-answerer into a proactive autonomous executor. ARCHITECT takes any high-level goal, decomposes it into a dependency-aware task graph, executes each step with validation, self-corrects on failure, and delivers results — all without hand-holding. The missing execution layer for personal AI agents. Zero dependencies. Zero config. Works with any model. Pairs with apex-agent and agent-memoria for the complete autonomous agent stack.

ClawHub Agent Skills автор: Hlias Staurou v1.0.4 MIT-0 3 файла тело ≈ 3 147 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Превращает вашего агента OpenClaw из реактивного обработчика вопросов в проактивного автономного исполнителя.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "requirements"

Процессный рейтинг: все десять параметров 58/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (architect) не совпадает с папкой (agent-architect)
  • 85Шаги. Шагов: 41, расплывчатых формулировок: 2
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Стоимость исполнения. Тело инструкции 3147 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 15. 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
  • -5В тексте остались TODO / заглушки
  • +2Инструкции на одном языке
  • +3Длина description 487 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (17 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This instruction-only skill is coherent with its advertised purpose, but users should understand that it deliberately makes the agent more autonomous and may use persistent memory if paired with other skills.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.