SKILLEMALL.ai
GitHub ↗ EN Войти

AB claw-self-improvement

Записывайте ошибки, исправления, пробелы в знаниях, лучшие практики и запросы на новые функции в `.learnings/`, затем преобразуйте повторяющиеся закономерности в `.learnings/PROMOTED.md`.

машинный переводПоказать оригиналСкрыть оригинал«Capture errors, corrections, knowledge gaps, better practices, and fea…»

Capture errors, corrections, knowledge gaps, better practices, and feature requests in `.learnings/`, then distill proven recurring patterns into `.learnings/PROMOTED.md`.

ClawHub Agent Skills автор: Yuzhe Tian v0.2.1 MIT-0 10 файлов тело ≈ 1 876 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Записывайте ошибки, исправления, пробелы в знаниях, лучшие практики и запросы на новые функции в .learnings/, затем преобразуйте повторяющиеся закономерности…

Как процесс B 71/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

СправочникИнфраструктуратип 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Когда включается вес 12
20
Входы и предусловия вес 11
30
Повторный запуск вес 4
30
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: 10. 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 71/100

  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Ошибки и развилки. Развилок: 4
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1876 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 171 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (14 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
This self-improvement skill is purpose-aligned, but it can turn ordinary corrections, errors, and requests into persistent local memory without enough privacy controls.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.