SKILLEMALL.ai

AB emailagentskill

Используйте, когда Codex, Hermes, OpenClaw, Claude Code, Cowork или другой ИИ-агент должен планировать, проверять, внедрять, аудировать или улучшать работу с электронной почтой, ориентированную на планирование электронной почты агентом, передачу инструментов, безопасное выполнение, циклы проверки и координацию нескольких агентов. Триггеры включают запросы о маршрутизации задач агента, шлюзах утверждения, рабочих процессах электронной почты с несколькими инструментами, планах делегирования, передаче оператора и политиках безопасного выполнения агента.

машинный переводПоказать оригиналСкрыть оригинал«Use when Codex, Hermes, OpenClaw, Claude Code, Cowork, or another AI a…»

Use when Codex, Hermes, OpenClaw, Claude Code, Cowork, or another AI agent needs to plan, review, implement, audit, or improve email work focused on agentic email planning, tool handoffs, safe execution, review loops, and multi-agent coordination. Triggers include requests about agent task routing, approval gates, multi-tool email workflows, delegation plans, operator handoffs, and agent-safe execution policies.

ClawHub Agent Skills автор: polnikale v0.1.0 MIT-0 4 файла тело ≈ 751 токенов Открыть источникclawhub.ai проанализирован 30 ч назад

Используйте, когда Codex, Hermes, OpenClaw, Claude Code, Cowork или другой ИИ-агент должен планировать, проверять, внедрять, аудировать или улучшать работу с…

Как процесс B 70/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 0. 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 70/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 751 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)
    • +4Нет примеров входа/выхода
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 415 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +3Формат ответа описан явно

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

    Внешние проверки

    ClawHub: clean
    This is an instruction-only email workflow planning skill with clear approval gates and no code, install steps, credentials, persistence, or hidden execution behavior.
    LLM: benign (high) · VirusTotal: · 21 июн. 2026 г.