SKILLEMALL.ai
GitHub ↗ EN Войти

BD 追本溯源 (Essence Trace)

Глубоко анализируйте мнения или явления до их неделимой сути. Сочетание метода «5 почему» и «первопринципов». Триггеры: «суть», «корень», «почему», «первопринцип», «essence-trace».

машинный переводПоказать оригиналСкрыть оригинал«对观点或现象纵向深钻至不可拆分的本质。5 Whys + 第一性原理融合。 触发词：「追本质」「溯源」「为什么」「第一性原理」「essence…»

对观点或现象纵向深钻至不可拆分的本质。5 Whys + 第一性原理融合。 触发词：「追本质」「溯源」「为什么」「第一性原理」「essence-trace」

ClawHub Agent Skills автор: Jack-Long-2022 v1.0.0 MIT-0 5 файлов тело ≈ 1 146 токенов Открыть источникclawhub.ai↗ проанализирован 33 ч назад

Глубоко анализируйте мнения или явления до их неделимой сути.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураТексты и документытип 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
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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 name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "created"
  • заметка frontmatter-key неизвестное поле фронтматтера "reference"
  • заметка frontmatter-key неизвестное поле фронтматтера "priority"
  • заметка frontmatter-key неизвестное поле фронтматтера "level"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (追本溯源 (Essence Trace)) не совпадает с папкой (essence-trace)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 51
  • 100Стоимость исполнения. Тело инструкции 1146 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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)
  • +3Длина description 77: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -228 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 51 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: clean
This is a text-only Chinese reasoning skill for root-cause analysis, with no evidence of code execution, data access, persistence, or hidden behavior.
LLM: benign (high) · VirusTotal: · 26 июн. 2026 г.