SKILLEMALL.ai

AC pb-module-triage

Анализируйте записи BrainNode protobuf из этого проекта автономного вождения на основе описания проблемы на естественном языке, определяйте наиболее вероятный неисправный модуль и предоставляйте основанный на доказательствах анализ модуля. Используйте для записей .pb/TotalDataCore/DataCoreFrame, анализа повторного воспроизведения или дампа PB, сортировки локализации/восприятия/планирования/управления/шасси/задач/диагностики, расследования временных меток и пропусков кадров, а также для запросов на вывод результата анализа проблемы и модуля.

машинный переводПоказать оригиналСкрыть оригинал«Analyze BrainNode protobuf recordings from this autonomous-driving pro…»

Analyze BrainNode protobuf recordings from this autonomous-driving project against a natural-language problem description, identify the most likely faulty module, and produce an evidence-based module analysis. Use for .pb/TotalDataCore/DataCoreFrame recordings, PB replay or dump analysis, localization/perception/planning/control/chassis/task/diagnostics triage, timestamp and frame-drop investigation, and requests to output a problem-module analysis result.

ClawHub Agent Skills автор: Narol v1.0.0 MIT-0 5 файлов тело ≈ 1 419 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализируйте записи BrainNode protobuf из этого проекта автономного вождения на основе описания проблемы на естественном языке, определяйте наиболее вероятный…

Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки, отчётность по ходу

АнализаторРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 5. 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 62/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1419 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)
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 460 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This skill reads local autonomous-driving protobuf logs and optionally writes a report, which fits its stated diagnostic purpose.
    LLM: benign (high) · VirusTotal: · 14 авг. 2026 г.