SKILLEMALL.ai
GitHub ↗ EN Войти

BD self-improving-agent

Универсальная самосовершенствующаяся платформа ИИ-агента. Ключевые слова: самосовершенствующийся ИИ-агент, самокоррекция, непрерывное обучение, самокоррекция, самовосстановление, постоянство памяти, автономное обновление, саморефлексия, проверка рассуждений, проверка решений, эмоциональное восприятие, психологическое ядро, обнаружение когнитивных искажений, самосовершенствующийся автономный агент, система памяти, самокоррекция, цепочка рассуждений, движок принятия решений, фреймворк агента, ИИ-агент, самообучение, самооптимизация, самоэволюция, конвейер обновлений.

машинный переводПоказать оригиналСкрыть оригинал«Universal self-improving AI agent framework. Keywords: self-improving…»

Universal self-improving AI agent framework. Keywords: self-improving AI agent self-correction continuous learning self-correction self-healing memory persistence autonomous upgrade self-reflection reasoning verification decision-verification emotional perception psychological-core cognitive-distortion detection self-improving autonomous-agent memory-system self-correction reasoning-chain decision-engine agent-framework AI-agent self-learning self-optimizing self-evolution upgrade-pipeline

ClawHub Agent Skills автор: mark-HeartFlow v1.0.0 MIT-0 80 файлов · 5 скриптов тело ≈ 952 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Универсальная самосовершенствующаяся платформа ИИ-агента.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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: 80. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "title"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (self-improving-agent) не совпадает с папкой (self-improving-agent-pro-v2)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 26
  • 100Стоимость исполнения. Тело инструкции 952 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
  • -411 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -319 из 19 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 494 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: suspicious
The skill presents as self-improvement but includes under-disclosed autonomous code modification, persistent memory/profiling, and external-code integration paths that deserve review before installation.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.