SKILLEMALL.ai
GitHub ↗ EN Войти

AC octoflow

Используйте, когда пользователь хочет выполнять вычисления с ускорением на GPU, анализировать данные, обрабатывать изображения/аудио/видео, обучать модели машинного обучения или генерировать код из естественного языка. OctoFlow преобразует описания задач на английском языке в программы для GPU через Vulkan. Также работает как сервер MCP (`octoflow mcp-serve`) с 7 структурированными инструментами. Без Python, без CUDA, без зависимостей — единый бинарный файл размером 4,5 МБ. 445 модулей стандартной библиотеки в 28 доменах (сортировка, поиск, граф, матрица, статистика, DSP, ML и т. д.). 150 ядер вычислений на GPU. Loom Engine GPU VM с инференсом LLM с послойным стримингом. Используйте для: "отсортировать миллион чисел", "кластеризовать этот CSV", "размыть это изображение", "построить график моих данных", "рассчитать статистику", "выполнить регрессию", "обработать аудио".

машинный переводПоказать оригиналСкрыть оригинал«Use when the user wants to run GPU-accelerated computations, analyze d…»

Use when the user wants to run GPU-accelerated computations, analyze data, process images/audio/video, train ML models, or generate code from natural language. OctoFlow turns English task descriptions into GPU programs via Vulkan. Also runs as an MCP server (`octoflow mcp-serve`) with 7 structured tools. No Python, no CUDA, no dependencies — single 4.5 MB binary. 445 stdlib modules across 28 domains (sort, search, graph, matrix, stats, DSP, ML, etc.). 150 GPU compute kernels. Loom Engine GPU VM with layer-streaming LLM inference. Use for: "sort a million numbers", "cluster this CSV", "blur this image", "plot my data", "calculate statistics", "run regression", "process audio".

ClawHub Agent Skills автор: Mr.Octopus v1.5.8 2 файла тело ≈ 1 488 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Используйте, когда пользователь хочет выполнять вычисления с ускорением на GPU, анализировать данные, обрабатывать изображения/аудио/видео, обучать модели…

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторGitHubИИ и агентыДанные и аналитикаРазработкатип 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
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
    • заметка frontmatter-key неизвестное поле фронтматтера "repository"
    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
    • заметка frontmatter-key неизвестное поле фронтматтера "permissions"

    Процессный рейтинг: все десять параметров 58/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 20
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1488 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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

    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 684 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (10 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    OctoFlow is a disclosed GPU-compute skill whose sensitive capabilities are opt-in and aligned with its stated data-analysis and MCP-server purpose.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.