SKILLEMALL.ai
GitHub ↗ EN Войти

AD guandan-assistant

ИИ-помощник для игры в «Гуаньдань»: распознавание карт на руке, запоминание карт, советы по ходам, виртуальные партии, режим тренировки, система разбора игр. Используйте, когда пользователю нужна помощь в игре в «Гуаньдань», распознавание карт на руке, запоминание карт, советы по ходам, тренировка или разбор игры.

машинный переводПоказать оригиналСкрыть оригинал«掼蛋AI助手：手牌识别、记牌、出牌建议、虚拟对局、陪练模式、复盘系统。当用户需要打掼蛋辅助、识别手牌、记牌、出牌建议、练习提升或复盘学习时使…»

掼蛋AI助手：手牌识别、记牌、出牌建议、虚拟对局、陪练模式、复盘系统。当用户需要打掼蛋辅助、识别手牌、记牌、出牌建议、练习提升或复盘学习时使用。

ClawHub Agent Skills автор: golngod v1.0.0 MIT-0 20 файлов тело ≈ 1 237 токенов Открыть источникclawhub.ai↗ проанализирован 28 ч назад

ИИ-помощник для игры в «Гуаньдань»: распознавание карт на руке, запоминание карт, советы по ходам, виртуальные партии, режим тренировки, система разбора игр.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 20. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "modes"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (guandan-assistant) не совпадает с папкой (hutian-opc-guan-dan)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 66
  • 100Стоимость исполнения. Тело инструкции 1237 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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 72: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 43 заголовков
  • +3Пошаговые инструкции: 66 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a coherent Guandan card-game assistant with local practice and review features, and the main caution is that it can store learning progress locally.
LLM: benign (high) · VirusTotal: · 7 июн. 2026 г.