SKILLEMALL.ai

AC ambient-audio

Воспроизведение научно доказанных фоновых звуков для концентрации, релаксации, медитации и сна. Идеально подходит для программистов, офисных работников, студентов и всех, кому нужна концентрация или отдых. Используйте, когда пользователь хочет: белый шум, розовый шум, коричневый шум, звуки дождя, поющие чаши, бинауральные ритмы, тона мозговых волн (альфа/бета/гамма/тета). Без проблем с авторскими правами — весь аудиоматериал генерируется алгоритмически с помощью ffmpeg.

машинный переводПоказать оригиналСкрыть оригинал«Play scientifically-proven ambient sounds for focus, relaxation, medit…»

Play scientifically-proven ambient sounds for focus, relaxation, meditation, and sleep. Perfect for programmers, office workers, students, and anyone needing concentration or rest. Use when user wants: white noise, pink noise, brown noise, rain sounds, singing bowl, binaural beats, brain wave tones (alpha/beta/gamma/theta). No copyright issues - all audio is algorithmically generated using ffmpeg.

ClawHub Agent Skills автор: LeYao1017 v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 1 189 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Воспроизведение научно доказанных фоновых звуков для концентрации, релаксации, медитации и сна.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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 (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 25
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1189 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 400 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 25 пунктов
    • +4Есть примеры (6 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a local ambient-audio player with some process-control safety caveats, but no evidence of hidden data access, exfiltration, or malicious behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.