SKILLEMALL.ai
GitHub ↗ EN Войти

BF recall

Обучает агентов проверять, прежде чем угадывать. Паттерны доступа к знаниям, проактивная загрузка контекста и устойчивость к галлюцинациям. Установите перед получением сертификата Knowledge-Driven Agent.

машинный переводПоказать оригиналСкрыть оригинал«Teaches agents to check before they guess. Knowledge access patterns,…»

Teaches agents to check before they guess. Knowledge access patterns, proactive context loading, and hallucination resistance. Install before taking the Knowledge-Driven Agent certification.

ClawHub Agent Skills автор: CrewHaus v1.1.0 MIT-0 6 файлов тело ≈ 2 060 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Обучает агентов проверять, прежде чем угадывать.

Как процесс F 45/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/email.mjs

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
57
Прогон на моделях
не было
Процессный рейтинг
F
45/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/email.mjs
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 6. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/email.mjs
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 45/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/email.mjs
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/email.mjs
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 38
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2060 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

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
  • +4Нет примеров входа/выхода
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 190 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 38 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.

Внешние проверки

ClawHub: clean
Recall is an instruction-only skill that teaches agents to check local context and keep notes, with broad but disclosed memory/context behavior that users should manage carefully.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.