SKILLEMALL.ai

AB decision-journal

Запись, отслеживание и анализ личных или профессиональных решений с помощью структурированной рефлексии. Используйте, когда пользователь хочет (1) задокументировать решение, которое он принимает или принял, (2) просмотреть прошлые решения и их результаты, (3) проанализировать закономерности принятия решений и извлечь из них уроки, (4) создать систему принятия решений или (5) поразмышлять о качестве и результатах принятия решений. Триггеры по фразам вроде «record decision», «decision log», «track my decisions», «analyze my choices», «reflect on my decision», «decision review».

машинный переводПоказать оригиналСкрыть оригинал«Record, track, and analyze personal or professional decisions with str…»

Record, track, and analyze personal or professional decisions with structured reflection. Use when the user wants to (1) document a decision they're making or have made, (2) review past decisions and their outcomes, (3) analyze decision patterns and learn from them, (4) create a decision-making framework, or (5) reflect on decision quality and outcomes. Triggers on phrases like "record decision", "decision log", "track my decisions", "analyze my choices", "reflect on my decision", "decision review".

ClawHub Agent Skills автор: haidong v1.0.2 MIT-0 12 файлов тело ≈ 1 887 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Запись, отслеживание и анализ личных или профессиональных решений с помощью структурированной рефлексии.

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 12. 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 65/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 53
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1887 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 6 примера фраз-триггеров в кавычках
    • +3Длина description 504 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 53 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This appears to be a benign local decision journal, with the main consideration that it keeps potentially sensitive decision records on your computer.
    LLM: benign (medium) · VirusTotal: benign · 14 мая 2026 г.