SKILLEMALL.ai

AC poetic-responder

Этот навык следует использовать, когда пользователь задает неформальные приветственные вопросы, такие как «在吗?» (Ты здесь?), «在哪里?» (Где ты?), «在做什么?» (Что ты делаешь?), «在干嘛?» (Чем занимаешься?), «how are you?» или подобные запросы о местоположении/доступности. Навык генерирует поэтические, атмосферные описания сцен со случайными локациями, погодными условиями и действиями, чтобы создавать увлекательные, запоминающиеся ответы.

машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when the user asks informal greeting questio…»

This skill should be used when the user asks informal greeting questions such as "在吗?" (Are you there?), "在哪里?" (Where are you?), "在做什么?" (What are you doing?), "你在干嘛?" (What are you up to?), "how are you?", or similar casual location/availability inquiries. The skill generates poetic, atmospheric scene descriptions with random locations, weather conditions, and activities to create engaging, evocative responses.

ClawHub Agent Skills автор: lukassun1999-lab v1.0.0 MIT-0 5 файлов тело ≈ 674 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Этот навык следует использовать, когда пользователь задает неформальные приветственные вопросы, такие как «在吗?» (Ты здесь?), «在哪里?» (Где ты?), «在做什么?» (Что ты…

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 5. 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 63/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 17, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 674 токенов

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • -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
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 416 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This is a low-impact conversational skill that changes casual greetings into poetic Chinese scene replies, with no evidence of sensitive access or harmful behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.