SKILLEMALL.ai
GitHub ↗ EN Войти

AA achievement-hunter-tips

Приоритизируйте несколько целей, как в доске достижений, разделяя обязательные достижения, побочные достижения, упускаемые возможности, низкоценные гринд-задачи и реалистичную линию завершения. Используйте, когда пользователь хочет четкий маршрут через множество этапов без излишнего перфекционизма.

машинный переводПоказать оригиналСкрыть оригинал«Prioritize multiple goals like an achievement board by separating must…»

Prioritize multiple goals like an achievement board by separating must-have achievements, side achievements, missable windows, low-value grinds, and a realistic graduation line. Use when the user wants a clear route through many milestones without perfectionism taking over.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 3 файла тело ≈ 607 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Приоритизируйте несколько целей, как в доске достижений, разделяя обязательные достижения, побочные достижения, упускаемые возможности, низкоценные…

Как процесс A 86/100 · Дойдёт до конца — слабые места: отчётность по ходу

ПроцедураДанные и аналитикатип 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
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
A
86/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
Когда включается вес 12
70
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 86/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 27
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 607 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 274 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    The skill's code, instructions, and requirements all match its stated purpose (producing text guidance for prioritizing achievements); it does not request credentials, perform network I/O, or modify system state.
    LLM: benign (high) · VirusTotal: benign · 15 апр. 2026 г.