SKILLEMALL.ai
GitHub ↗ EN Войти

BC knowledge-router

Единый вход для запроса знаний. Автоматически выбирает оптимальный путь запроса в зависимости от типа вопроса, охватывая wiki-kb (компилированная база знаний), memory-tencentdb (память диалогов), Ontology (семантическая сеть), memorySearch (векторный поиск), domain-kit (онтология знаний предметной области). Триггерные фразы: 'запросить знания', 'поиск знаний', 'помоги найти', 'что такое XX', 'что случилось с XX', 'что говорили в прошлый раз', 'какая связь между XX и XX'.

машинный переводПоказать оригиналСкрыть оригинал«知识查询统一入口。根据问题类型自动选择最优查询路径，覆盖 wiki-kb（编译知识库）、memory-tencentdb（对话记忆）、Ont…»

知识查询统一入口。根据问题类型自动选择最优查询路径，覆盖 wiki-kb（编译知识库）、memory-tencentdb（对话记忆）、Ontology（知识图谱）、memorySearch（向量搜索）、domain-kit（领域知识本体）。触发词：'查询知识'、'知识搜索'、'帮我找'、'XX是什么'、'XX怎么回事'、'上次说了什么'、'XX和XX什么关系'。

ClawHub Agent Skills автор: paudyyin v1.0.0 MIT-0 2 файла тело ≈ 945 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Единый вход для запроса знаний.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип 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
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 2. 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 58/100

  • 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
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 945 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 182 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (4 блоков кода)

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

Внешние проверки

ClawHub: suspicious
The skill is a coherent knowledge-search router, but it can automatically search prior conversation memory from very broad prompts without a clear consent step.
LLM: suspicious (high) · 22 июл. 2026 г.