SKILLEMALL.ai

BC obsidian-wiki

Создавайте и поддерживайте личную базу знаний Wiki, используя шаблон LLM Wiki с пошаговым выполнением, оптимизированным для OpenClaw. Используйте субагентов для параллельной обработки файловых операций, извлечения контента и обслуживания Wiki. Этот навык разработан для сред OpenClaw, где чтение файлов может быть неполным — он использует пакетное чтение и делегирование задач для обеспечения полноты. Для конвертации PDF/Word он автоматически проверяет и устанавливает Python и необходимые пакеты (pypdf, python-docx), если они не установлены.

машинный переводПоказать оригиналСкрыть оригинал«Build and maintain a personal knowledge Wiki using the LLM Wiki patter…»

Build and maintain a personal knowledge Wiki using the LLM Wiki pattern with OpenClaw-optimized step-by-step execution. Use sub-agents for parallel processing of file operations, content extraction, and wiki maintenance. This skill is designed for OpenClaw environments where file reading may be partial - it uses chunked reading and task delegation to ensure completeness. For PDF/Word conversion, it automatically checks and installs Python and required packages (pypdf, python-docx) if not present.

ClawHub Agent Skills автор: jayxjw v1.0.1 MIT-0 8 файлов тело ≈ 5 753 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создавайте и поддерживайте личную базу знаний Wiki, используя шаблон LLM Wiki с пошаговым выполнением, оптимизированным для OpenClaw.

Как процесс C 63/100 · Есть пробелы — слабые места: когда включается, согласованность, повторный запуск

ГенераторObsidianWordИИ и агентыРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Когда включается вес 12
20
Повторный запуск вес 4
30
Согласованность вес 8
40
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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5753 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 63/100

  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 19, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (obsidian-wiki) не совпадает с папкой (obsidian-wiki-auto)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5753 токенов
  • 85Шаги. Шагов: 112, расплывчатых формулировок: 3
  • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 11. 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)
  • -5В тексте остались TODO / заглушки
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 501 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 36 заголовков
  • +3Пошаговые инструкции: 112 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (20 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill is a disclosed local Obsidian-style wiki maintainer, but it can automatically process files, write persistent notes, run on a schedule, and install Python packages.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.