SKILLEMALL.ai

AB habit-stack-designer

Разработайте стек привычек, выбрав надежный существующий якорь, сведя новую привычку к крошечному первому действию и добавив снижение трения, вознаграждение и резервный вариант для трудных дней. Используйте, когда пользователь хочет выработать привычку, не полагаясь на память, всплески мотивации или кардинальные изменения поведения.

машинный переводПоказать оригиналСкрыть оригинал«Design a habit stack by choosing a reliable existing anchor, shrinking…»

Design a habit stack by choosing a reliable existing anchor, shrinking the new habit into a tiny first action, and adding friction reduction, reward, and a rescue version for hard days. Use when the user wants to build a habit without relying on memory, motivation spikes, or giant behavior changes.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 3 файла тело ≈ 553 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Разработайте стек привычек, выбрав надежный существующий якорь, сведя новую привычку к крошечному первому действию и добавив снижение трения, вознаграждение и…

Как процесс B 70/100 · Почти готов — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ПроцедураЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
70/100
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: 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 70/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 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: 37
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 553 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 299 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 37 пунктов
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    The skill's code and instructions are consistent with its stated purpose (producing tiny habit-stack designs), request no credentials or external installs, and perform only local, deterministic text processing.
    LLM: benign (high) · VirusTotal: benign · 15 апр. 2026 г.