SKILLEMALL.ai

AC digs

Активная исследовательская разведка — отслеживайте вопросы, которые вы исследуете, регистрируйте находки по мере их поступления и замыкайте цикл, когда вы что-то выяснили. Один файл markdown для каждой исследовательской ветки в digs/. Используйте при открытии нового запроса, регистрации находки или вопросе «что я выясняю о X?».

машинный переводПоказать оригиналСкрыть оригинал«Active research intelligence — track questions you're pursuing, log fi…»

Active research intelligence — track questions you're pursuing, log findings as they arrive, and close the loop when you figure it out. One markdown file per research thread in digs/. Use when opening a new inquiry, logging a finding, or asking "what am I figuring out about X?"

ClawHub Agent Skills автор: Ilya Belikin v1.0.1 MIT-0 3 файла тело ≈ 3 251 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Активная исследовательская разведка — отслеживайте вопросы, которые вы исследуете, регистрируйте находки по мере их поступления и замыкайте цикл, когда вы…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураGitHubИнфраструктуратип 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
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 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 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Ошибки и развилки. Развилок: 15
    • 100Шаги. Шагов: 38
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3251 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 13. 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 278 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +4Есть примеры (6 блоков кода)

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

    Внешние проверки

    ClawHub: suspicious
    This is a local research-notes skill, but it asks the agent to save conversation-derived notes automatically and create recurring background checks without clear opt-in.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.