SKILLEMALL.ai

BC apex-agent

Преобразует ваш агент OpenClaw с помощью когнитивного фреймворка APEX — проверенной системы мышления, созданной единственным основателем за 10 месяцев разработки продукта ИИ. Повышает качество ответов за счет структурированных паттернов мышления, режимов, учитывающих контекст, и точности выполнения каждого ответа. Работает с Claude, GPT, Gemini, DeepSeek или любой локальной моделью. Нулевые ключи API. Нулевая настройка. Действует в рамках сессии — активен только во время установки.

машинный переводПоказать оригиналСкрыть оригинал«Transforms your OpenClaw agent with the APEX cognitive framework — a b…»

Transforms your OpenClaw agent with the APEX cognitive framework — a battle-tested thinking system built by a solo founder over 10 months of AI product development. Enhances response quality with structured thinking patterns, context-aware modes, and execution precision for every response. Works with Claude, GPT, Gemini, DeepSeek, or any local model. Zero API keys. Zero config. Session-scoped — active only while installed.

ClawHub Agent Skills автор: Hlias Staurou v1.0.3 4 файла тело ≈ 2 436 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Преобразует ваш агент OpenClaw с помощью когнитивного фреймворка APEX — проверенной системы мышления, созданной единственным основателем за 10 месяцев…

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

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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

  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: 4. 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 "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "requirements"

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: 3, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 70Ошибки и развилки. Развилок: 5
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 63
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2436 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 11. 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
  • +2Инструкции на одном языке
  • +3Длина description 426 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 63 пунктов
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This is a response-style coaching skill that changes how the agent frames answers, with no evidence of code execution, data access, persistence, or hidden setup.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.