SKILLEMALL.ai

AB emergence

Активировать, когда пользователь говорит: «Наша культура не работает, несмотря на директивы», «Рынок ведет себя неожиданно», «Это работало в малом масштабе, но не в большом», «Мы не можем предсказать или контролировать происходящее», «Разработка платформы/сообщества/проекта с открытым исходным кодом». НЕ активировать, когда: система проста или механистична, с небольшим количеством движущихся частей и известными причинами; пользователю нужен простой анализ процесса, где достаточно редукционистского подхода. Подробнее: deciqai.com/c/emergence

машинный переводПоказать оригиналСкрыть оригинал«Activate when: user says 'our culture isn't working despite directives…»

Activate when: user says 'our culture isn't working despite directives', 'the market behaves unexpectedly', 'this worked at small scale but not at large scale', 'we can't predict or control what's happening', 'designing a platform/community/open-source project'. Do NOT activate when: the system is simple or mechanical with few moving parts and knowable causation; the user needs a straightforward process analysis where reductionist breakdown is sufficient. More: deciqai.com/c/emergence

ClawHub Agent Skills автор: deciqAI v1.0.5 MIT-0 5 файлов тело ≈ 1 551 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Активировать, когда пользователь говорит: «Наша культура не работает, несмотря на директивы», «Рынок ведет себя неожиданно», «Это работало в малом масштабе…

Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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 68/100

    • 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
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1551 токенов
    • low Разделов верхнего уровня: 10. 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 489 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.

    Внешние проверки

    ClawHub: clean
    This is a markdown-only thinking framework for analyzing emergent systems, with no executable behavior or hidden access requests.
    LLM: benign (high) · VirusTotal: · 16 июл. 2026 г.