SKILLEMALL.ai

AC newsletterskill

Используйте, когда Codex, Hermes, OpenClaw, Claude Code, Cowork или другой ИИ-агент должен планировать, проверять, внедрять, аудировать или улучшать работу с электронной почтой, связанную с редакционными календарями, структурой выпусков, инвентарем спонсоров, ростом аудитории и циклами удержания. Триггеры включают запросы о планировании выпусков, инвентаре спонсоров, синтезе опросов читателей, аудите рассылок, редакционных календарях и обзорах роста подписчиков.

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 editorial calendars, issue structure, sponsorship inventory, reader growth, and retention loops. Triggers include requests about issue planning, sponsor inventory, reader survey synthesis, newsletter audits, editorial calendars, and subscriber growth reviews.

ClawHub Agent Skills автор: polnikale v0.1.0 MIT-0 4 файла тело ≈ 711 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

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

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураТексты и документыЛичная продуктивностьИИ 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
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 4. 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 59/100

    • 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: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 711 токенов

    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 408 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +3Формат ответа описан явно

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

    Внешние проверки

    ClawHub: clean
    This skill package is coherent and purpose-aligned; it includes powerful admin and review workflows, but they are disclosed and gated by user control.
    LLM: benign (high) · VirusTotal: · 21 июн. 2026 г.