SKILLEMALL.ai

AB mental-model-forge

Когнитивная структура F.A.C.E.T. для извлечения ментальных моделей из классических книг и теорий. Используйте, когда (1) пользователь запрашивает «заметки по чтению», «извлечь модели» или «анализ FACET», (2) пользователь предоставляет текст книги/теории/ментальной модели для глубокого извлечения, (3) пользователь явно запрашивает основные фреймворки и примеры из классических текстов.

машинный переводПоказать оригиналСкрыть оригинал«F.A.C.E.T. cognitive framework for extracting mental models from class…»

F.A.C.E.T. cognitive framework for extracting mental models from classic books and theories. Use when (1) user asks for "reading notes", "extract models", or "FACET analysis", (2) user provides book/theory/mental model text for deep extraction, (3) user explicitly requests core frameworks and case studies from classic texts.

ClawHub Agent Skills автор: KeDouPi(珂抖屁) v1.0.2 MIT-0 3 файла тело ≈ 2 039 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Когнитивная структура F.A.C.E.T. для извлечения ментальных моделей из классических книг и теорий. Используйте, когда (1) пользователь запрашивает «заметки по…

Как процесс B 73/100 · Почти готов — слабые места: когда включается, повторный запуск, отчётность по ходу

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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

    • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
    • заметка frontmatter-key неизвестное поле фронтматтера "config"

    Процессный рейтинг: все десять параметров 73/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 34
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2039 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 326 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This is a small instruction-only mental-model analysis skill with disclosed USER.md personalization and no executable code.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.