SKILLEMALL.ai

AB deep-coding

Система разработки мультиагентных систем с глубоким кодированием. Используйте, когда пользователь хочет создавать программные проекты, используя рабочий процесс Orchestrator → Builder → Reviewer, упоминает глубокое кодирование, мультиагентное сотрудничество, оркестратор, запуск сборщика (spawn builder), запуск рецензента (spawn reviewer) или запрашивает сложные проекты кодирования, требующие декомпозиции модулей и итеративного рассмотрения. НЕ для: простых однострочных исправлений (просто редактировать), чтения кода или изменений одного файла.

машинный переводПоказать оригиналСкрыть оригинал«Deep coding multi-agent development system. Use when the user wants to…»

Deep coding multi-agent development system. Use when the user wants to build software projects using the Orchestrator to Builder to Reviewer workflow, mentions deep coding, multi-agent collaboration, orchestrator, spawn builder, spawn reviewer, or asks for complex coding projects that need module decomposition and iterative review. NOT for: simple one-liner fixes (just edit), reading code, or single-file changes.

ClawHub Agent Skills автор: extraterrest v0.0.3 MIT-0 6 файлов · 1 скрипт тело ≈ 2 096 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

Система разработки мультиагентных систем с глубоким кодированием.

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия

ПроцедураPlaywrightРазработкаИИ и агентыДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Результат и критерий готовности вес 14
40
Ошибки и развилки вес 10
50
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: 6. 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 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python, node), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 45, расплывчатых формулировок: 1
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2096 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 416 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 25 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +4Есть примеры (8 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    The skill’s multi-agent coding workflow is mostly coherent, but its local dashboard can expose workspace files and logs more broadly than users are likely to expect.
    LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.