SKILLEMALL.ai
GitHub ↗ EN Войти

AC propaymun-information-architecture

Разрабатывайте и проверяйте информационную архитектуру, основанную на доказательствах, из обычного контекста продукта. Используйте для обнаружения ИА, семантических моделей объектов/контента, таксономии, маркировки, навигации, поиска, разрешений, управления, аудитов и принятия архитектурных решений. Не используйте для запросов, касающихся только карты сайта или только пользовательских сценариев.

машинный переводПоказать оригиналСкрыть оригинал«Design and review evidence-aware information architecture from ordinar…»

Design and review evidence-aware information architecture from ordinary product context. Use for IA discovery, semantic object/content models, taxonomy, labeling, navigation, search, permissions, governance, audits, and architecture decisions. Do not use for sitemap-only or user-flow-only requests.

ClawHub Agent Skills v0.1.0 35 файлов тело ≈ 4 411 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Разрабатывайте и проверяйте информационную архитектуру, основанную на доказательствах, из обычного контекста продукта.

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторИнфраструктуратип 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
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
40
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: 30. 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 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 40Согласованность. Имя во frontmatter (propaymun-information-architecture) не совпадает с папкой (propaymun-information-architecture-skill)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 70Стоимость исполнения. Тело инструкции 4411 токенов
    • 85Шаги. Шагов: 87, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • -34 из 4 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 299 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 87 пунктов
    • +4Справочные файлы упоминаются в инструкциях (10 из 10)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: suspicious
    The skill is mostly coherent for information-architecture work, but its optional builder-handoff exporter can let untrusted model text influence downstream AI build prompts.
    LLM: suspicious (high) · VirusTotal: