SKILLEMALL.ai

BC learn-journal

Система журналов обучения ИИ Лао Да. Автоматически записывает, классифицирует и сохраняет идеи обучения, записи о проблемах и уроки, извлеченные ИИ в процессе выполнения задач. Когда ИИ завершает важную задачу, сталкивается с ошибкой или неудачей, обнаруживает новый инструмент или метод, принимает важное решение, ключевая информация должна быть записана в журнал обучения. Сценарии запуска: анализ после завершения задачи, обобщение после ошибки/неудачи, обнаружение и оценка новых инструментов/навыков, запись важных решений по конфигурации.

машинный переводПоказать оригиналСкрыть оригинал«牢大AI学习日志系统。自动记录、分类、沉淀AI在任务执行过程中的学习心得、踩坑记录和经验教训。当AI完成重要任务、遇到错误失败、发现新工具或…»

牢大AI学习日志系统。自动记录、分类、沉淀AI在任务执行过程中的学习心得、踩坑记录和经验教训。当AI完成重要任务、遇到错误失败、发现新工具或方法、做出重要决策时,应该将关键信息记录到学习日志。触发场景:任务完成后的复盘、错误/失败后的总结、新工具/新技能的发现和评估、重要配置决策的记录。

ClawHub Agent Skills автор: lijianqiang666 v1.0.0 MIT-0 4 файла тело ≈ 345 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система журналов обучения ИИ Лао Да.

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

ПроцедураЛичная продуктивностьИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
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: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 345 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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 144 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This skill is a disclosed local learning journal that writes notes to workspace files, with no evidence of network transfer, credential access, or hidden behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.