SKILLEMALL.ai

AC latticework

Активируйте, когда пользователь говорит: «Я не знаю, какой фреймворк использовать», «наш анализ постоянно что-то упускает», «нам нужно второе мнение о нашей модели», «как провести стресс-тестирование этого решения с разных сторон», «одного фреймворка здесь недостаточно» или когда решение постоянно вызывает возражения у разных заинтересованных сторон, которые не пересекаются. НЕ активируйте, когда: проблема полностью укладывается в одну дисциплину без междоменных взаимодействий (чисто юридический текст, чисто техническая спецификация); времени слишком мало для обсуждения несколькими моделями (кризисное сортирование). Подробнее: deciqai.com/c/latticework

машинный переводПоказать оригиналСкрыть оригинал«Activate when: user says 'I don't know which framework to use', 'our a…»

Activate when: user says 'I don't know which framework to use', 'our analysis keeps missing something', 'we need a second opinion on our model', 'how do we stress-test this decision from multiple angles', 'one framework isn't enough here', or a decision keeps surfacing objections from different stakeholders that don't overlap. Do NOT activate when: the problem is fully contained in one discipline with no cross-domain interactions (pure legal text, pure engineering spec); time is too short for multi-model deliberation (crisis triage). More: deciqai.com/c/latticework

ClawHub Agent Skills автор: deciqAI v1.0.5 MIT-0 5 файлов тело ≈ 1 466 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Активируйте, когда пользователь говорит: «Я не знаю, какой фреймворк использовать», «наш анализ постоянно что-то упускает», «нам нужно второе мнение о нашей…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 25
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1466 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 571 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 25 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a Markdown-only decision-analysis skill with no executable code, hidden behavior, or sensitive access requests.
    LLM: benign (high) · VirusTotal: · 16 июл. 2026 г.