SKILLEMALL.ai

AB huawei-cloud-cloudrobo-infer

Управление сервисами инференса CloudRobo — развертывание модели в управляемом сервисе инференса, список/запрос развернутых сервисов и их журналов, запуск/остановка работающего сервиса, обновление или удаление сервиса, а также оркестровка удобного потока "wait-deploy", который опрашивает сервис до завершения развертывания. Сервисы инференса используют модели, созданные cloudrobo-train, и потребляются robo-dispatcher при отправке задач для воплощенных агентов. Триггеры включают: infer, инференс, развертывание модели, развернуть модель, сервис инференса, развертывание сервиса, запустить инференс, остановить инференс, журналы сервиса, wait-deploy, обслуживание модели, 推理, 推理服务, 模型部署, 部署模型, 推理服务管理, 服务日志, 模型服务.

машинный переводПоказать оригиналСкрыть оригинал«Manage CloudRobo inference services — deploy a model into a managed in…»

Manage CloudRobo inference services — deploy a model into a managed inference service, list/query deployed services and their logs, start/stop a running service, update or delete a service, and orchestrate the 'wait-deploy' convenience flow that polls a service until it finishes deploying. Inference services consume models produced by cloudrobo-train and are consumed by robo-dispatcher when dispatching embodied tasks. Triggers include: infer, inference, model deployment, deploy model, inference service, service deployment, start inference, stop inference, service logs, wait-deploy, model serving, 推理, 推理服务, 模型部署, 部署模型, 推理服务管理, 服务日志, 模型服务.

ClawHub Agent Skills автор: huaweicloud-skills-team v1.0.0 MIT-0 11 файлов · 1 скрипт тело ≈ 6 972 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Управление сервисами инференса CloudRobo — развертывание модели в управляемом сервисе инференса, список/запрос развернутых сервисов и их журналов…

Как процесс B 71/100 · Почти готов — слабые места: результат и критерий готовности

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Результат и критерий готовности вес 14
40
Когда включается вес 12
50
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6972 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 71/100

  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6972 токенов
  • 85Шаги. Шагов: 102, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 7, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (26 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 645 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 102 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 7)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: suspicious
The skill fits its CloudRobo management purpose, but its included test script can modify and delete a real inference service without a real confirmation prompt.
LLM: suspicious (high) · 8 сент. 2026 г.