SKILLEMALL.ai
GitHub ↗ EN Войти

BF literag

Локальный skill поиска по большим документам с использованием независимых SQLite-библиотек знаний с гибридным поиском по ключевым словам и векторам. Использовать при поиске руководств Blender, справочников API, документации SDK, документации фреймворков, документации продуктов, архивов блогов/статей, экспортированных наборов документации markdown или любых других больших внешних документов, которые не должны храниться в основном индексе памяти OpenClaw. Также использовать при индексировании, повторном индексировании, отладке качества поиска, проверке совместимости/статуса индекса или проверке метаданных LiteRAG sqlite. Использование: /literag search <library> <query> | /literag inspect <library> <path> [--start N --end N] | /literag index <library> | /literag status <library> | /literag meta <library> | /literag benchmark <library> --query ...

машинный переводПоказать оригиналСкрыть оригинал«Local retrieval skill for large documentation corpora using independen…»

Local retrieval skill for large documentation corpora using independent SQLite knowledge libraries with keyword plus vector hybrid search. Use when searching Blender manuals, API references, SDK docs, framework docs, product docs, blog/article archives, exported markdown doc sets, or any other large external documentation that should not live in OpenClaw's main memory index. Also use when indexing, reindexing, debugging retrieval quality, checking index compatibility/status, or inspecting LiteRAG sqlite metadata. Usage: /literag search <library> <query> | /literag inspect <library> <path> [--start N --end N] | /literag index <library> | /literag status <library> | /literag meta <library> | /literag benchmark <library> --query ...

ClawHub Agent Skills автор: Mozi Arasaka v0.2.2 MIT-0 17 файлов тело ≈ 1 126 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Локальный skill поиска по большим документам с использованием независимых SQLite-библиотек знаний с гибридным поиском по ключевым словам и векторам.

Как процесс F 39/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/literag-query.py, scripts/literag-index.py, scripts/literag-status.py

ИнтеграцияBlenderТексты 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
F
39/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/literag-query.py, scripts/literag-index.py, scripts/literag-status.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/literag-query.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/literag-index.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/literag-status.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/literag-meta.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/lq
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/literag-benchmark.py
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 39/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/literag-query.py, scripts/literag-index.py, scripts/literag-status.py
  • 0Инструменты и файлы. Не хватает 6 файла(ов): scripts/literag-query.py, scripts/literag-index.py, scripts/literag-status.py
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Ошибки и развилки. Развилок: 2
  • 85Шаги. Шагов: 53, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1126 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее

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
  • -32 из 9 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 739 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 53 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

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

Внешние проверки

ClawHub: clean
LiteRAG is a coherent documentation indexing and search skill; the main caution is that vector mode sends document chunks and queries to the configured embedding endpoint.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.