SKILLEMALL.ai

AC ro-prompt-optimizer

Оптимизирует пользовательские подсказки на основе R-O фреймворка (Роль & Реальность, Объект & Результат), преобразуя обычные запросы в профессиональные, структурированные подсказки для ИИ, чтобы раскрыть максимальный потенциал ИИ. Используется, когда пользователю необходимо оптимизировать подсказки, улучшить взаимодействие с ИИ или создать более эффективные инструкции.

машинный переводПоказать оригиналСкрыть оригинал«基于R-O框架(角色&现实情况、对象&输出)优化用户提示词,将普通需求转化为专业、结构化的AI提示词,以激发AI最大潜力。当用户需要优化提示…»

基于R-O框架(角色&现实情况、对象&输出)优化用户提示词,将普通需求转化为专业、结构化的AI提示词,以激发AI最大潜力。当用户需要优化提示词、改善与AI的交互效果、创建更有效的指令时使用此技能。

ClawHub Agent Skills автор: DukeAcco v1.0.0 MIT-0 6 файлов тело ≈ 966 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Оптимизирует пользовательские подсказки на основе R-O фреймворка (Роль & Реальность, Объект & Результат), преобразуя обычные запросы в профессиональные…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 69
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 966 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
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 98: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 69 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a coherent prompt-optimization skill with optional local save and clipboard features, and the artifacts do not show hidden access, exfiltration, destructive behavior, or unsafe automatic execution.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.