SKILLEMALL.ai

BC user-profile

Изучение профиля пользователя и его предпочтений. Автоматически собирает предпочтения пользователя, абстрагирует личностные характеристики, строит персонализированный профиль пользователя. Сценарии запуска: (1) автоматическое обобщение предпочтений из предыдущей сессии при ее начале (2) периодическое абстрагирование личностных характеристик во время работы (3) когда пользователь запрашивает просмотр/обновление профиля. Место хранения: workspace/PROFILE.md.

машинный переводПоказать оригиналСкрыть оригинал«用户画像与偏好学习。自动收集用户偏好、抽象人格特征,构建个性化用户画像。触发场景:(1) 新会话启动时自动总结上次会话偏好 (2) 心跳中定…»

用户画像与偏好学习。自动收集用户偏好、抽象人格特征,构建个性化用户画像。触发场景:(1) 新会话启动时自动总结上次会话偏好 (2) 心跳中定期抽象人格特征 (3) 用户要求查看/更新画像时。存储位置:workspace/PROFILE.md。

ClawHub Agent Skills автор: lyl340321 v1.0.0 MIT-0 2 файла тело ≈ 607 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Изучение профиля пользователя и его предпочтений.

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: 2. 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: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 607 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 121 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (7 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This instruction-only skill is transparent about building a local user profile, but it automatically records and infers personal traits into persistent workspace files without a strong consent or confirmation workflow.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.