SKILLEMALL.ai
GitHub ↗ EN Войти

AB logseq-article-archive

Создание и поддержка постоянной архитектуры данных Logseq, основанной на характеристиках технологии двунаправленных ссылок, разделенной на три уровня: необработанные данные, индексные файлы и файлы правил.

машинный переводПоказать оригиналСкрыть оригинал«Build and maintain a persistent Logseq data architecture, based on the…»

Build and maintain a persistent Logseq data architecture, based on the characteristics of bidirectional link technology, divided into three layers: raw data, index files, and rule files.

ClawHub Agent Skills автор: HelloEric v1.0.1 MIT-0 3 файла тело ≈ 2 577 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Создание и поддержка постоянной архитектуры данных Logseq, основанной на характеристиках технологии двунаправленных ссылок, разделенной на три уровня…

Как процесс B 65/100 · Почти готов — слабые места: когда включается, повторный запуск

ГенераторИнфраструктураТексты и документытип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Когда включается вес 12
20
Повторный запуск вес 4
30
Ошибки и развилки вес 10
55
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: 3. 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 65/100

  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 139, расплывчатых формулировок: 3
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2577 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 186 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 43 заголовков
  • +3Пошаговые инструкции: 139 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (0 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This Logseq skill is not malicious, but it can broadly scan and persistently change a user's note graph without clear approval boundaries.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.