SKILLEMALL.ai

AB decision-distiller

Извлекает контексты принятия решений, варианты, компромиссы и результаты в структурированные записи решений. Используйте, когда пользователь сталкивается с выбором, принял решение, которое хочет задокументировать, или нуждается в анализе прошлых решений для выявления закономерностей. Фиксирует обоснование, рассмотренные альтернативы и извлеченные уроки.

машинный переводПоказать оригиналСкрыть оригинал«Distill decision contexts, options, trade-offs, and outcomes into stru…»

Distill decision contexts, options, trade-offs, and outcomes into structured decision records. Use when the user is facing a choice, has made a decision they want to document, or needs to analyze past decisions for patterns. Captures rationale, alternatives considered, and lessons learned.

ClawHub Agent Skills автор: haidong v1.0.1 MIT-0 9 файлов · 3 скрипта тело ≈ 1 509 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Извлекает контексты принятия решений, варианты, компромиссы и результаты в структурированные записи решений.

Как процесс B 73/100 · Почти готов — слабые места: ошибки и развилки, повторный запуск, отчётность по ходу

АнализаторИнфраструктураОбучениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 9. 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 73/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 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: 73
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1509 токенов
    • low Разделов верхнего уровня: 12. 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)
    • -33 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 290 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 73 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent decision-record helper; its file-writing behavior is limited to creating local decision notes and is disclosed by its purpose.
    LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.