SKILLEMALL.ai

AF lobster

Среда выполнения рабочих процессов Lobster для детерминированных конвейеров с этапами утверждения. Используйте, когда: (1) Запускаются многоэтапные автоматизации, требующие одобрения человека перед выполнением побочных эффектов, (2) Отслеживаются изменения в PR/задачах, (3) Обрабатываются данные через типизированные конвейеры JSON, (4) Выполняется сортировка электронной почты или пакетные операции, (5) Любой рабочий процесс, который должен остановиться и запросить подтверждение перед действием. Lobster экономит токены, запуская детерминированные конвейеры вместо повторного планирования каждого шага.

машинный переводПоказать оригиналСкрыть оригинал«Lobster workflow runtime for deterministic pipelines with approval gat…»

Lobster workflow runtime for deterministic pipelines with approval gates. Use when: (1) Running multi-step automations that need human approval before side effects, (2) Monitoring PRs/issues for changes, (3) Processing data through typed JSON pipelines, (4) Email triage or batch operations, (5) Any workflow that should halt and ask before acting. Lobster saves tokens by running deterministic pipelines instead of re-planning each step.

ClawHub Agent Skills автор: guwidoe v1.0.1 2 файла тело ≈ 906 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Среда выполнения рабочих процессов Lobster для детерминированных конвейеров с этапами утверждения.

Как процесс F 28/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
F
28/100
Не запустится
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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: 2. 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 28/100

    • 0Шаги. Инструкция сплошным текстом, шаги не выделены
    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 906 токенов

    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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 438 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +4Есть примеры (8 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

    Внешние проверки

    ClawHub: suspicious
    This workflow skill is coherent, but it gives agents broad shell and credentialed remote-action capability that users should review and constrain before installing.
    LLM: suspicious (high) · VirusTotal: suspicious · 10 сент. 2026 г.