SKILLEMALL.ai

BC prompt-boost-skill

Уровень предварительной обработки запросов пользователя (Universal Query Preprocessor). Все запросы пользователя должны сначала обрабатываться этим навыком, прежде чем будет определен дальнейший путь. Условия активации (срабатывает при выполнении любого из них): любой запрос пользователя; фразы «проясни вопрос / будь моим голосом / оптимизируй запрос / напиши вопрос профессионально»; слишком короткий/общий/разговорный запрос; необходимость структурированного ввода для последующих этапов; запрос пользователя на пропуск уточнения (понимание и подтверждение все равно должны быть выполнены). Цель разработки: динамичность, контекстуальность, реализация полного цикла «ввод в разговорной речи → интеллектуальное разделение и дополнение → многоразовое подтверждение и проверка → вывод профессионального промпта». После установки необходимо синхронно обновить AGENTS.md / SOUL.md.

машинный переводПоказать оригиналСкрыть оригинал«用户提问前置增强层(Universal Query Preprocessor)。所有用户提问都必须先经过本技能处理,再决定后续路径。 激活条…»

用户提问前置增强层(Universal Query Preprocessor)。所有用户提问都必须先经过本技能处理,再决定后续路径。 激活条件(满足任一即触发):任何用户提问;说"把问题说清楚/嘴替/优化提问/把问题写专业";提问过短/过泛/口语化;下游需结构化输入;用户要求跳过澄清(仍须完成理解确认)。 设计目标:动态、场景化,实现「口语化输入→智能拆解补全→多轮确认校验→专业提示词输出」全流程闭环。 安装后须同步更新 AGENTS.md / SOUL.md。

ClawHub Agent Skills автор: LONGSASASASASA v2.1.1 MIT-0 29 файлов тело ≈ 851 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Уровень предварительной обработки запросов пользователя (Universal Query Preprocessor).

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

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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: 29. 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: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 851 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
  • -213 эмодзи в инструкциях: шум для модели
  • -35 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 233 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
This prompt-refinement skill is not clearly malicious, but it tries to become a persistent front door for nearly all user requests and includes user-profile behavior without enough control or privacy detail.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.