SKILLEMALL.ai

AC leatherworking-basics

Используйте, когда вам нужно отремонтировать изношенные кожаные изделия (ботинки, ремни, сумки, чехлы для инструментов) или создать новые прочные предметы с нуля для повседневной самодостаточности, работы по найму или жизни вне сети, где коммерческие замены дороги или недоступны. Агент занимается исследованием источников материалов и инструментов, генерацией индивидуальных выкроек по пользовательским измерениям, планированием проектов с графиками, расчетом количества материалов, журналами обслуживания и устранением неполадок с помощью деревьев решений. Человек выполняет всю ручную физическую работу: резку, прошивку, сшивание, клепку, окрашивание и отделку.

машинный переводПоказать оригиналСкрыть оригинал«Use when you need to repair worn leather goods (boots, belts, bags, to…»

Use when you need to repair worn leather goods (boots, belts, bags, tool sheaths) or create new durable items from scratch for everyday self-reliance, gig work, or off-grid living where commercial replacements are costly or unavailable. Agent handles material and tool sourcing research, custom pattern generation from user measurements, project planning with timelines, material quantity calculations, maintenance logs, and decision-tree troubleshooting. Human performs all hands-on physical work: cutting, skiving, stitching, riveting, dyeing, and finishing.

ClawHub Agent Skills автор: HowToUseHumans v1.0.0 MIT-0 2 файла тело ≈ 2 285 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Используйте, когда вам нужно отремонтировать изношенные кожаные изделия (ботинки, ремни, сумки, чехлы для инструментов) или создать новые прочные предметы с…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторИнфраструктураОперации и проектыИИ и агентытип 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
C
56/100
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

    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 56/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 58
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2285 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 10. 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 560 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +4Есть примеры (1 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This is a coherent leatherworking planning skill with disclosed file/log use and safety caveats, not hidden or harmful behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.