SKILLEMALL.ai

BC safe-self-improving

Навык самосовершенствования для ИИ-агентов, ориентированный на конфиденциальность и основанный на согласии. Захватывает знания, ошибки, лучшие практики с автоматической очисткой и обнаружением дубликатов. Включает интеллектуальный синтез навыков — автоматическую генерацию черновиков новых навыков из повторяющихся шаблонов. Без хуков, без межсессионности, без молчаливых изменений. Все операции требуют подтверждения пользователя.

машинный переводПоказать оригиналСкрыть оригинал«A privacy-first, consent-based self-improvement skill for AI agents. C…»

A privacy-first, consent-based self-improvement skill for AI agents. Captures learnings, errors, best practices with auto-sanitization and duplicate detection. Includes smart skill synthesis — auto-generates new skill drafts from recurring patterns. No hooks, no cross-session, no silent modification. All operations require user confirmation.

ClawHub Agent Skills автор: hjfl888 v1.3.1 MIT-0 5 файлов тело ≈ 2 228 токенов Открыть источникclawhub.ai проанализирован 28 ч назад

Навык самосовершенствования для ИИ-агентов, ориентированный на конфиденциальность и основанный на согласии.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторDockerИИ и агентыТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 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: 2, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 90
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2228 токенов
  • low Ответ описан самодельной разметкой (4 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

  • +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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -233 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 343 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 90 пунктов
  • +4Есть примеры (11 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
The skill is mostly local and consent-based, but its privacy promises conflict with documented options to install generated skills and publish them externally.
LLM: suspicious (high) · VirusTotal: · 17 июн. 2026 г.