SKILLEMALL.ai

AC lottery-ssq

Вспомогательная система выбора номеров для лотереи Двойной Цветной Шар v2 — инструмент для оптимизации выбора номеров на основе исторических данных, поддерживающий динамические циклы холодных/горячих номеров, фильтрацию по AC-значению/экстремальному расстоянию/форме последних цифр, детальный анализ синих шаров, вывод по нескольким стратегиям (устойчивая/сбалансированная/агрессивная). Каждая серия выдает 2 основных рекомендованных номера + 3 запасных.

машинный переводПоказать оригиналСкрыть оригинал«双色球选号辅助系统 v2 - 基于历史数据的概率优化选号工具,支持动态冷热周期、AC 值/极距/尾数形态筛选、蓝球细化分析、多策略输出(稳健…»

双色球选号辅助系统 v2 - 基于历史数据的概率优化选号工具,支持动态冷热周期、AC 值/极距/尾数形态筛选、蓝球细化分析、多策略输出(稳健/均衡/激进)。每期输出 2 注主推 +3 注备选。

ClawHub Agent Skills автор: nasplycc v2.0.0 MIT-0 14 файлов тело ≈ 271 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Вспомогательная система выбора номеров для лотереи Двойной Цветной Шар v2 — инструмент для оптимизации выбора номеров на основе исторических данных…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

  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: 14. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 271 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)
  • +3Длина description 96: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This skill is a disclosed lottery-number helper that runs local Python analysis scripts and fetches public lottery history, with no evidence of hidden data access or harmful behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.