SKILLEMALL.ai

BC seven-step-rigor

Применяйте строгий семишаговый порядок действий для улучшения работы: уточните результат, ограничения и тест успеха; удаляйте перед оптимизацией; упрощайте перед ускорением; автоматизируйте только после стабилизации; отдавайте предпочтение сквозной валидации; и делайте обновления человека краткими. Используйте, когда пользователь просит улучшить, оптимизировать, упростить, автоматизировать, укрепить, рефакторить, перепроектировать, оптимизировать или переосмыслить рабочий процесс, промпт, процесс, архитектуру или режим работы.

машинный переводПоказать оригиналСкрыть оригинал«Force a strict seven-step order of operations for improvement work: cl…»

Force a strict seven-step order of operations for improvement work: clarify outcome, constraints, and success test; delete before optimizing; simplify before accelerating; automate only after stability; prefer end-to-end validation; and keep human updates brief. Use when the user asks to improve, streamline, simplify, automate, harden, refactor, redesign, optimize, or rethink a workflow, prompt, process, architecture, or operating mode.

ClawHub Agent Skills автор: Anthony Young v1.0.0 MIT-0 2 файла тело ≈ 972 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

удаляйте перед оптимизацией; упрощайте перед ускорением; автоматизируйте только после стабилизации; отдавайте предпочтение сквозной валидации; и делайте…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИнфраструктураИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
63/100
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Force a strict seven-step order of operations for improvement work… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 63/100

    • 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: 7, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 61
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 972 токенов
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 440 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 61 пунктов

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

    Внешние проверки

    ClawHub: clean
    This skill is a process-guidance document that helps structure improvement work and does not add code, data access, persistence, or install-time behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.