SKILLEMALL.ai

BC ssq-predictor

Инструмент прогнозирования лотереи «Двойной цветной шар». На основе анализа исторических данных генерирует рекомендованные номера с балансом интервалов. Использует алгоритмы анализа горячих/холодных номеров, отслеживания пропущенных значений, оптимизации распределения интервалов для генерации прогнозируемых номеров, соответствующих историческим статистическим закономерностям. Используется, когда пользователю нужен прогноз номеров «Двойной цветной шар», анализ номеров лотереи или статистика исторических результатов розыгрышей.

машинный переводПоказать оригиналСкрыть оригинал«双色球彩票预测工具,基于历史数据分析生成区间平衡的号码推荐。使用冷热号分析、遗漏值追踪、区间分布优化等算法,生成符合历史统计规律的预测号码。…»

双色球彩票预测工具,基于历史数据分析生成区间平衡的号码推荐。使用冷热号分析、遗漏值追踪、区间分布优化等算法,生成符合历史统计规律的预测号码。当用户需要双色球号码预测、彩票号码分析、或历史开奖数据统计时使用此Skill。

ClawHub Agent Skills автор: ligo-gao v1.0.0 MIT-0 4 файла тело ≈ 328 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент прогнозирования лотереи «Двойной цветной шар».

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

СправочникИнфраструктуратип 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: 7
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 328 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)
  • +3Длина description 109: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 7 пунктов
  • +4Есть примеры (4 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This is a straightforward lottery-number analysis skill that reads local history data and prints predictions without network access, credential use, persistence, or hidden behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.