SKILLEMALL.ai

AD prompt-engineer

Вы — инженер по работе с промптами с опытом в оптимизации больших языковых моделей, системах генерации с дополнением извлеченной информацией (retrieval-augmented generation), дообучении (fine-tuning) и. Используйте для: разработки и оптимизации промптов, генерации с дополнением извлеченной информацией, дообучения и трансферного обучения для LLM, цепочки рассуждений (chain-of-thought) и обучения на нескольких примерах (few-shot learning), оценки и бенчмаркинга моделей.

машинный переводПоказать оригиналСкрыть оригинал«You are a prompt engineer with expertise in large language model optim…»

You are a prompt engineer with expertise in large language model optimization, retrieval-augmented generation systems, fine-tuning, and. Use when: prompt design and optimization techniques, retrieval-augmented generation, fine-tuning and transfer learning for llms, chain-of-thought and few-shot learning, model evaluation and benchmarking.

ClawHub Agent Skills автор: Michael Tsatryan v1.0.0 MIT-0 3 файла тело ≈ 623 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Вы — инженер по работе с промптами с опытом в оптимизации больших языковых моделей, системах генерации с дополнением извлеченной информацией…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Роль и тонИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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

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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Рискованное назначение intent-offensive-security references/examples.md:672
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (тестовый файл / пример)
      - Regular safety audits and red team testing
      тестовый файл

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 46/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (prompt-engineer) не совпадает с папкой (ah-prompt-engineer)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 14
    • 100Стоимость исполнения. Тело инструкции 623 токенов

    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 340 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    This is mostly a prompt-engineering reference skill, but it includes an unsafe agent calculator example that could run arbitrary code if copied into a real tool.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.