SKILLEMALL.ai

BC concept-validation-tech-validation-engine

Движок технической проверки центра проверки концепций. Используется, когда пользователю необходимо проверить техническую осуществимость, оценить уровень TRL, разработать план технической проверки, провести параллельное сравнение нескольких маршрутов. Этот навык является основным инструментом для специалистов по технической проверке (验验), поддерживая оценку технологической зрелости на этапах TRL 1-4, легкую трехмерную проверку согласованности, идентификацию технических рисков. Применим к сценариям оценки технических решений, проектирования проверки прототипов, сравнения технических маршрутов и т. д. Он обеспечивает связь с движком доводки процессов опытно-промышленного производства (TRL 5-7) и по завершении этапа проверки концепции выдает отчет о технической проверке.

машинный переводПоказать оригиналСкрыть оригинал«概念验证中心技术验证引擎。当用户需要验证技术可行性、评估TRL等级、设计技术验证方案、进行多路线并行对比时使用。本技能是验验(技术验证师)的…»

概念验证中心技术验证引擎。当用户需要验证技术可行性、评估TRL等级、设计技术验证方案、进行多路线并行对比时使用。本技能是验验(技术验证师)的核心工具,支持TRL 1-4阶段的技术成熟度评估、3维轻一致性验证、技术风险识别。适用于技术方案评估、原型验证设计、技术路线对比等场景。与中试基地工艺熟化引擎(TRL 5-7)形成衔接,概念验证阶段结束后交付技术验证报告。

ClawHub Agent Skills автор: golngod v1.0.0 MIT-0 3 файла тело ≈ 3 060 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Движок технической проверки центра проверки концепций.

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

Анализатортип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
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: 3. 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: 11
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3060 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
  • -214 эмодзи в инструкциях: шум для модели
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 181 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This skill is a disclosed Chinese-language framework for technical concept validation and does not request unusual system access or hidden authority.
LLM: benign (high) · VirusTotal: · 20 июл. 2026 г.