SKILLEMALL.ai

BC research-decision

Проводите сетевые исследования сложных проблем и на основе качественных источников предоставляйте суждения, рекомендации, направления для устранения неполадок или следующие шаги. Применимо для выбора технологий, сравнения решений, обновления версий, оценки совместимости, выбора архитектуры, исследования репутации в сообществе, устранения известных проблем, анализа конфликтов сложных ошибок, а также других проблем, требующих проверки в Интернете, многостороннего сравнения и, наконец, предоставления рекомендаций или направлений. Приоритет отдается двуязычному поиску (китайский/английский), особое внимание уделяется официальной документации, официальным блогам, GitHub issues/discussions/changelog/release notes, затем дополняется обсуждениями в сообществе и сторонними материалами. Ключевые моменты: управление источниками, перекрестная проверка, выявление известных проблем и обработка противоречивой информации.

машинный переводПоказать оригиналСкрыть оригинал«对复杂问题进行联网调研,并基于高质量信源输出判断、建议、排查方向或下一步动作。适用于技术选型、方案对比、版本升级、兼容性判断、架构取舍、社区…»

对复杂问题进行联网调研,并基于高质量信源输出判断、建议、排查方向或下一步动作。适用于技术选型、方案对比、版本升级、兼容性判断、架构取舍、社区口碑调研、已知问题排查、疑难 bug 冲突分析,以及其他需要上网查证、多方比较、最后给出建议或方向的问题。优先进行中英文双语检索,重视官方文档、官方博客、GitHub issues/discussions/changelog/release notes,再补充社区讨论与第三方资料。重点是信源管理、交叉验证、识别已知问题和处理冲突信息。

ClawHub Agent Skills автор: Deqiang Qiao v1.0.0 MIT-0 4 файла тело ≈ 874 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проводите сетевые исследования сложных проблем и на основе качественных источников предоставляйте суждения, рекомендации, направления для устранения неполадок…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникGitHubИнфраструктураТексты и документытип 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
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 110
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 874 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 238 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 110 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

Внешние проверки

ClawHub: clean
This appears to be a research/troubleshooting skill with read-only local checks and web research behavior that is mostly purpose-aligned, but users should be aware it may reveal software inventory and search topics.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.