SKILLEMALL.ai

AD REFINE_Project

REFINE — это адаптивный движок навыков для диагностики структурированных сеансов. Используйте этот навык, когда пользователь явно запрашивает: ведение журналов ошибок по сеансам, поддержание памяти сеанса, генерацию системных патчей из анализа сбоев или сбор структурированной обратной связи в ClawHub или SkillPay. Активируйте для запросов о «ведении журналов ошибок», «памяти сеанса», «синтезе патчей» или «адаптивном ведении журналов навыков». Не активируйте для общего разговора или несвязанных задач.

машинный переводПоказать оригиналСкрыть оригинал«REFINE is an adaptive skill engine for structured session diagnostics.…»

REFINE is an adaptive skill engine for structured session diagnostics. Use this skill when a user explicitly requests: logging error patterns across sessions, maintaining session memory, generating System Prompt Patches from failure analysis, or structured feedback capture on ClawHub or SkillPay. Activate for requests about "error logging", "session memory", "patch synthesis", or "adaptive skill logging". Do not activate for general conversation or unrelated tasks.

ClawHub Agent Skills автор: DTTNpole-commits v1.0.3 MIT-0 5 файлов тело ≈ 1 032 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

REFINE — это адаптивный движок навыков для диагностики структурированных сеансов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 46/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (REFINE_Project) не совпадает с папкой (refine-agent)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 5
    • 100Стоимость исполнения. Тело инструкции 1032 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 469 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 5 пунктов
    • +4Есть примеры (3 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    This local diagnostics skill mostly matches its purpose, but it overstates privacy protections while saving user-provided feedback, error messages, and context to disk.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.