SKILLEMALL.ai

AB goal-decomposer

Разбивает большую, нечеткую или долгосрочную цель на более мелкие задачи в режиме цели с четким объемом, условиями остановки и шагами проверки. Используйте, когда пользователь хочет эффективно использовать Codex /goal, имеет большой проект, который следует разбить на последовательные цели, или запрашивает план, который может быть выполнен как цепочка более мелких целей.

машинный переводПоказать оригиналСкрыть оригинал«Break a large, fuzzy, or long-running objective into smaller goal-mode…»

Break a large, fuzzy, or long-running objective into smaller goal-mode tasks with clear scope, stop conditions, and validation steps. Use when the user wants to use Codex /goal effectively, has a big project that should be split into sequential goals, or asks for a plan that can be executed as a chain of smaller goals.

ClawHub Agent Skills автор: Song Seung Hu v0.1.0 MIT-0 2 файла тело ≈ 664 токенов Открыть источникclawhub.ai проанализирован 22 ч назад

Разбивает большую, нечеткую или долгосрочную цель на более мелкие задачи в режиме цели с четким объемом, условиями остановки и шагами проверки.

Как процесс B 67/100 · Почти готов — слабые места: входы и предусловия, согласованность, отчётность по ходу

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Согласованность вес 8
40
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 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (goal-decomposer) не совпадает с папкой (codex-goal-decomposer)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 42
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Стоимость исполнения. Тело инструкции 664 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 320 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 42 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a plain planning helper that breaks large Codex goals into smaller user-reviewable tasks and does not include executable code or hidden access.
    LLM: benign (high) · VirusTotal: · 3 июн. 2026 г.