SKILLEMALL.ai
GitHub ↗ EN Войти

BF ambient-awareness

Требуются явные получатели и добавление ограниченного хранения состояния.

машинный переводПоказать оригиналСкрыть оригинал«Require explicit recipients and add bounded state retention.…»

Require explicit recipients and add bounded state retention.

ClawHub Agent Skills автор: palxislabs v1.0.0 MIT-0 21 файл тело ≈ 557 токенов Открыть источникclawhub.ai↗ проанализирован 34 ч назад

Требуются явные получатели и добавление ограниченного хранения состояния.

Как процесс F 28/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/check_wake_requests.py, scripts/prune_state.py

ПроцедураРазработкатип 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
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
F
28/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/check_wake_requests.py, scripts/prune_state.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. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. 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: 0. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/check_wake_requests.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/prune_state.py

Процессный рейтинг: все десять параметров 28/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/check_wake_requests.py, scripts/prune_state.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/check_wake_requests.py, scripts/prune_state.py
  • 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: 4, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (ambient-awareness) не совпадает с папкой (ambient-awareness-local)
  • 100Шаги. Шагов: 12
  • 100Стоимость исполнения. Тело инструкции 557 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 60: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 12 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: clean
This is a disclosed local awareness skill that watches configured paths, stores local event logs, and sends notifications only when the user provides a target.
LLM: benign (medium) · VirusTotal: · 12 июл. 2026 г.