SKILLEMALL.ai

BD personal-skill-builder

Создавайте или улучшайте персональные SKILL из материалов пользователя в формате вопрос-ответ, активно поглощая не заданные вопросы, выявляя пробелы и применяя обоснованные выводы и обратимые значения по умолчанию; поддерживайте открытые области и комбинации возможностей, проверяя пригодность с помощью структурного аудита, пошаговых практических тестов и охвата реестра. Применяется для преобразования личного опыта, шаблонов или повторяющейся работы в навыки, а также для продолжения экспериментов с существующими навыками; обычные одноразовые задачи не требуют запуска процесса создания.

машинный переводПоказать оригиналСкрыть оригинал«通过一问一答与用户材料创建或升级个人 SKILL,主动吸收未提问的补充、发现缺口并应用有依据的推导和可逆默认;支持开放领域与能力组合,以结构…»

通过一问一答与用户材料创建或升级个人 SKILL,主动吸收未提问的补充、发现缺口并应用有依据的推导和可逆默认;支持开放领域与能力组合,以结构审计、逐轮实测和覆盖台账验证可用性。适用于把个人经验、模板或重复工作整理为技能,以及继续已有技能实验;普通的一次性任务无需启动制作流程。

ClawHub Agent Skills автор: Fue Tsui v1.0.0 MIT-0 16 файлов · 1 скрипт тело ≈ 743 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Создавайте или улучшайте персональные SKILL из материалов пользователя в формате вопрос-ответ, активно поглощая не заданные вопросы, выявляя пробелы и…

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

ПроцедураРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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

  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: 16. 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 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 12
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 743 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +3Длина description 138 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 12 пунктов
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This is a disclosed Chinese-language skill-building assistant with an optional offline audit/evaluation script, and I did not find artifact-backed evidence of hidden exfiltration, destructive behavior, or deceptive persistence.
LLM: benign (high) · VirusTotal: · 1 окт. 2026 г.