SKILLEMALL.ai
GitHub ↗ EN Войти

AB skills-orchestrator

Оркестрируйте циклы роста по всему портфелю навыков, связывая использование, обратную связь, улучшения и принятие в самоподдерживающиеся циклы. Используйте при разработке стратегий роста, оптимизации принятия навыков, создании вирусных циклов или построении механизмов устойчивого роста.

машинный переводПоказать оригиналСкрыть оригинал«Orchestrate growth loops across the skill portfolio by connecting usag…»

Orchestrate growth loops across the skill portfolio by connecting usage, feedback, improvement, and adoption into self-reinforcing cycles. Use when designing growth strategies, optimizing skill adoption, creating viral loops, or building sustainable growth mechanisms.

ClawHub Agent Skills автор: haidong v1.0.1 MIT-0 10 файлов · 4 скрипта тело ≈ 2 078 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Оркестрируйте циклы роста по всему портфелю навыков, связывая использование, обратную связь, улучшения и принятие в самоподдерживающиеся циклы.

Как процесс B 72/100 · Почти готов — слабые места: когда включается, ошибки и развилки, повторный запуск

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
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 10. 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 72/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 120
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2078 токенов
    • low Разделов верхнего уровня: 18. 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 268 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 45 заголовков
    • +3Пошаговые инструкции: 120 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (11 блоков кода)
    • +3Все 4 скриптов описаны в инструкциях

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

    Внешние проверки

    ClawHub: clean
    This skill appears to be a local growth-planning/template generator with no evidence of credential use, network exfiltration, or hidden destructive behavior, though users should review its public-sharing recommendations before implementing them.
    LLM: benign (high) · VirusTotal: benign · 14 мая 2026 г.