SKILLEMALL.ai

AA loot-reward-celebrator

Помогает пользователю завершить цикл после усилий, превращая выполненную задачу в таблицу добычи, справедливый план вознаграждений, видимую запись о победе и разумное условие для следующего разблокирования. Используйте, когда пользователь завершает серию привычек, этап проекта, экзамен или сложную задачу и нуждается в положительном подкреплении, которое не подрывает здоровье, деньги или долгосрочные цели.

машинный переводПоказать оригиналСкрыть оригинал«Help the user close the loop after effort by turning a completed task…»

Help the user close the loop after effort by turning a completed task into a loot table, a fair reward plan, a visible record of the win, and a sensible next unlock condition. Use when the user finishes a habit streak, project milestone, exam, or demanding task and needs positive reinforcement that does not sabotage health, money, or long-term goals.

ClawHub Agent Skills автор: haidong v1.0.0 MIT-0 4 файла · 2 скрипта тело ≈ 424 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Помогает пользователю завершить цикл после усилий, превращая выполненную задачу в таблицу добычи, справедливый план вознаграждений, видимую запись о победе и…

Как процесс A 81/100 · Дойдёт до конца — слабые места: ошибки и развилки, отчётность по ходу

ПроцедураИИ и агентыЛичная продуктивностьтип 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
A
81/100
Дойдёт до конца
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 3. 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 81/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 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: 29
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 424 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 352 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This skill is a low-risk reward-planning helper that stays aligned with its stated purpose and does not request sensitive access.
    LLM: benign (high) · VirusTotal: benign · 16 сент. 2026 г.