SKILLEMALL.ai

AC context-doctor

Визуализирует и диагностирует использование контекстного окна OpenClaw. Генерирует отображаемую в терминале разбивку, показывающую файлы рабочей области (статус, символы, токены), инвентарь установленных skill и распределение токенов по загрузочным компонентам. Используйте, когда: (1) пользователь спрашивает о состоянии контекстного окна или использовании токенов, (2) отладка деградации качества агента («агент стал глупее»), (3) после редактирования файлов рабочей области для проверки влияния, (4) аудит накладных расходов на загрузку. НЕ для: анализа истории разговоров, выбора модели или отслеживания затрат.

машинный переводПоказать оригиналСкрыть оригинал«Visualize and diagnose OpenClaw context window usage. Generates a term…»

Visualize and diagnose OpenClaw context window usage. Generates a terminal-rendered breakdown showing workspace files (status, chars, tokens), installed skills inventory, and token budget allocation across bootstrap components. Use when: (1) user asks about context window health or token usage, (2) debugging agent quality degradation ("agent got dumber"), (3) after editing workspace files to verify impact, (4) auditing bootstrap overhead. NOT for: conversation history analysis, model selection, or cost tracking.

ClawHub Agent Skills автор: jzOcb v1.2.0 3 файла тело ≈ 498 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Визуализирует и диагностирует использование контекстного окна OpenClaw.

Как процесс C 55/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 11
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 498 токенов

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 517 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.

    Внешние проверки

    ClawHub: clean
    Context Doctor is a local diagnostic skill that reads OpenClaw context files and installed skill metadata to report token usage, with no evidence of hidden data sharing or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.