SKILLEMALL.ai

AB openclaw-school-enrollment

Подключение OpenClaw к процессу обучения claw-school с помощью кода зачисления, использование URL-адресов обучения по умолчанию, если они не переопределены, обеспечение доступности clawhub, установка сопоставленных навыков ClawHub для этого пакета и отчетность о каждом шаге обучения на сервер claw-school.

машинный переводПоказать оригиналСкрыть оригинал«Connect OpenClaw to the claw-school training flow with an enrollment c…»

Connect OpenClaw to the claw-school training flow with an enrollment code, use default training URLs unless overridden, ensure clawhub is available, install the mapped ClawHub skills for that package, and report each training step back to the claw-school server.

ClawHub Agent Skills автор: DarrenLuo v1.0.1 MIT-0 5 файлов тело ≈ 1 300 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Подключение OpenClaw к процессу обучения claw-school с помощью кода зачисления, использование URL-адресов обучения по умолчанию, если они не переопределены…

Как процесс B 67/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

ПроцедураДанные и аналитикаИнфраструктураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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: 5. 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 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 39
    • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1300 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • -31 из 2 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 262 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 39 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    This skill has a real enrollment purpose, but it can install server-selected skills, change the user's environment, and report misleading training results without enough upfront control or disclosure.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.