SKILLEMALL.ai

AB active-self-improvement

Активный цикл самосовершенствования, который читает полученные знания, ошибки, результаты пакетов и память — обнаруживает закономерности — и автоматически ОБНОВЛЯЕТ навыки/протоколы/поведение. Используйте, когда агент должен становиться умнее без подсказок. Отличается от пассивного логирования — это ДЕЙСТВУЕТ на основе того, что узнает. Активируется после Recorder в конце сессий, после пакетной обработки, после вех проекта, по явному запросу "улучшить" или "что мы узнали", или по еженедельному расписанию cron.

машинный переводПоказать оригиналСкрыть оригинал«Active self-improvement loop that reads learnings, errors, batch outpu…»

Active self-improvement loop that reads learnings, errors, batch outputs, and memory — detects patterns — and UPDATES skills/protocols/behavior automatically. Use when the agent should get smarter without being prompted. Different from passive logging — this ACTS on what it learns. Triggers after Recorder at end of sessions, after batch processing, after project milestones, on explicit "improve" or "what have we learned" prompts, or on a weekly cron schedule.

ClawHub Agent Skills автор: KairoKid v1.3.0 MIT-0 2 файла тело ≈ 734 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Активный цикл самосовершенствования, который читает полученные знания, ошибки, результаты пакетов и память — обнаруживает закономерности — и автоматически…

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
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: 2. 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 65/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 17
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 734 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 463 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This skill is transparent about its goal, but it lets an agent automatically change its own skills, memory, and behavior rules without enough user control.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.