SKILLEMALL.ai

AB pbl-loop

Используйте, когда пользователь спрашивает об учебных целях, развитии возможностей, рефлексии, обучении, воспроизведении, готовности к переносу или применении цикла PBL в контексте реального проекта. Работайте ровно в трех режимах: старт, чекпойнт, трансфер, чтобы разделить доказательства доставки и доказательства возможностей, а также отслеживать происхождение.

машинный переводПоказать оригиналСкрыть оригинал«Use when the user asks for learning goals, capability development, ref…»

Use when the user asks for learning goals, capability development, reflection, teaching, replication, transfer readiness, or applying a PBL loop in a real project context. Operate in exactly three modes, start, checkpoint, transfer, to separate delivery evidence from capability evidence and track provenance.

ClawHub Agent Skills автор: lingxiaodu v0.1.0 MIT-0 3 файла тело ≈ 1 633 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте, когда пользователь спрашивает об учебных целях, развитии возможностей, рефлексии, обучении, воспроизведении, готовности к переносу или применении…

Как процесс B 79/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ПроцедураОбучениеОперации и проектытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
B
79/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
55
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: 3. 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 79/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 55Ошибки и развилки. Развилок: 1
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 94
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1633 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 11. 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 309 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 94 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

    Внешние проверки

    ClawHub: clean
    This skill is a markdown-only coaching workflow for project-based learning loops and does not request unusual access or run code.
    LLM: benign (high) · VirusTotal: · 6 авг. 2026 г.