SKILLEMALL.ai

AC moa-engine

Координирует команду экспертов для совместного решения сложных задач путем структурированного противостояния и логического слияния. Поддерживает XML-тегированный информационный поток, интеллектуальную маршрутизацию и рекурсивное самосовершенствование. Используется, когда пользователю нужен многосторонний анализ, проверка рискованных решений, разработка междисциплинарных решений или глубокий обзор архитектуры.

машинный переводПоказать оригиналСкрыть оригинал«编排多角色专家团队通过结构化对抗和逻辑熔铸协同解决复杂问题,支持XML标签化信息流、智能路由和递归式自我改进;当用户需要多角度分析、高风险决…»

编排多角色专家团队通过结构化对抗和逻辑熔铸协同解决复杂问题,支持XML标签化信息流、智能路由和递归式自我改进;当用户需要多角度分析、高风险决策审视、跨领域方案设计或深度架构评审时使用

ClawHub Agent Skills автор: kiwifruit13 v1.0.2 MIT-0 18 файлов тело ≈ 2 394 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Координирует команду экспертов для совместного решения сложных задач путем структурированного противостояния и логического слияния.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 18. 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 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 41
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2394 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (15 тегов): типизированный вызов надёжнее

    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 91: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 22 заголовков
    • +3Пошаговые инструкции: 41 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (11 из 11)
    • +3Все 4 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a legitimate orchestration skill, but it needs Review because it can automatically save learning data and change future agent behavior without clear user controls.
    LLM: suspicious (high) · VirusTotal: · 19 авг. 2026 г.