SKILLEMALL.ai

AC fable-method

7-шаговый цикл дисциплины решения проблем, который обеспечивает структурированное мышление любой модели: классифицируйте запрос, определите результат, соберите доказательства, примите решение, действуйте хирургически, проверьте наблюдением, сообщите результат в первую очередь. Используйте, когда пользователь говорит «fable-method» или проактивно при начале любой многошаговой задачи, для которой нет специфического навыка. Подкоманды: plan, audit, report.

машинный переводПоказать оригиналСкрыть оригинал«A 7-step problem-solving discipline loop that gives any model structur…»

A 7-step problem-solving discipline loop that gives any model structured thinking: classify the ask, define done, gather evidence, decide, act surgically, verify by observation, report outcome-first. Use when the user says 'fable-method', or proactively when starting any multi-step task that no task-specific skill covers. Subcommands: plan, audit, report.

ClawHub Agent Skills автор: Plato-1 v1.0.0 MIT-0 3 файла тело ≈ 4 912 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

7-шаговый цикл дисциплины решения проблем, который обеспечивает структурированное мышление любой модели: классифицируйте запрос, определите результат…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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: 3. 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 63/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (read, web, python), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4912 токенов
    • 100Шаги. Шагов: 29
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -5В тексте остались TODO / заглушки
    • +2Инструкции на одном языке
    • +3Длина description 357 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 21 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +4Есть примеры (7 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This is a disclosed problem-solving workflow skill with broad but purpose-aligned activation guidance and no hidden execution, persistence, or data handling.
    LLM: benign (high) · VirusTotal: · 1 авг. 2026 г.