SKILLEMALL.ai

AC self-improving-domotics

Выявляет конфликты автоматизации умного дома, дрейф датчиков, сбои подключения устройств, регрессии интеграции, пробелы в правилах безопасности и возможности оптимизации энергопотребления для непрерывного улучшения системы управления домом. Используйте, когда: (1) Автоматизация конфликтует, зацикливается или срабатывает неправильно. (2) Датчики устаревают или становятся неточными. (3) Устройства недоступны или периодически отключаются. (4) Облачные или локальные интеграции нарушаются. (5) Определение присутствия не соответствует действительности. (6) Задержка вызывает отложенные или прерывистые автоматизации. (7) Шаблоны энергопотребления неэффективны. (8) Автоматизация безопасности требует более надежных мер защиты.

машинный переводПоказать оригиналСкрыть оригинал«Captures smart-home automation conflicts, sensor drift, device connect…»

Captures smart-home automation conflicts, sensor drift, device connectivity failures, integration regressions, safety rule gaps, and energy optimization opportunities for continuous domotics improvement. Use when: (1) Automations conflict, loop, or misfire, (2) Sensors become stale or inaccurate, (3) Devices are unreachable or intermittently offline, (4) Cloud or local integrations break, (5) Occupancy detection is inconsistent with reality, (6) Latency causes delayed or jittery automations, (7) Energy usage patterns are inefficient, (8) Safety automations need stronger guardrails.

ClawHub Agent Skills автор: José I. O. v1.0.1 MIT-0 15 файлов · 3 скрипта тело ≈ 6 123 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Выявляет конфликты автоматизации умного дома, дрейф датчиков, сбои подключения устройств, регрессии интеграции, пробелы в правилах безопасности и возможности…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ИнтеграцияИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6123 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 52/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (self-improving-domotics) не совпадает с папкой (self-improving-house)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 6123 токенов
  • 100Шаги. Шагов: 114
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 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 Разделов верхнего уровня: 23. 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
  • -5В тексте остались TODO / заглушки
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 588 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 61 заголовков
  • +3Пошаговые инструкции: 114 пунктов
  • +4Есть примеры (18 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This skill is a disclosed smart-home note-taking and reminder workflow with optional hooks, and I found no hidden device control, exfiltration, or destructive behavior.
LLM: benign (high) · VirusTotal: · 28 авг. 2026 г.