SKILLEMALL.ai
GitHub ↗ EN Войти

CC xiaozhi-chemistry-error-dna

Анализ корневых причин ошибок и архив ошибок по химии для учеников средней и старшей школы (обязательный и углубленный курсы). Определение подтипов ошибок по шести аспектам химии (символы/микромир/макроконцепции/понимание условий задачи/эксперимент/расчеты) и отчеты о слабых местах. Примеры триггерных фраз: "Почему я всегда неправильно составляю уравнения?" "В чем причина моих ошибок в задачах на химические выводы?" "Я постоянно ошибаюсь в расчетах массовой доли растворенного вещества" "Помоги мне проанализировать закономерности моих ошибок по химии" "У меня нет способностей к химии?". Определение предмета: ошибки, связанные с химическими формулами, уравнениями, элементами и степенями окисления, кислотами, щелочами, солями, растворами, экспериментальным оборудованием, а также соответствующие темы обязательного и углубленного курсов старшей школы (соединения элементов, структура вещества, принципы химических реакций, органическая химия) относятся к этому навыку; расчеты чисто физических величин перенаправляются на "ДНК ошибок по физике". Не обрабатывает: первоначальный сбор ошибок и подсчет накопления за 28 дней (исключительно ответственность "Общей тетради ошибок"), руководство по решению текущей задачи (перенаправляется на "Тренер по решению задач по химии"), реконструкция концепций на уровне частиц (перенаправляется на "Воображариум микромира").

машинный переводПоказать оригиналСкрыть оригинал«初中到高中（必修与选择性必修）的化学错题根因分析与档案，做化学六维（符号/微观/宏观概念/读题/实验/计算）子类型定位与弱项报告。触发语示例…»

初中到高中（必修与选择性必修）的化学错题根因分析与档案，做化学六维（符号/微观/宏观概念/读题/实验/计算）子类型定位与弱项报告。触发语示例："我为什么总是配不平方程式""化学推断题老错在哪""溶质质量分数每次都算错""帮我分析化学错误规律""我化学是不是没天赋"。学科判别：错题涉及化学式、化学方程式、元素与化合价、酸碱盐、溶液、实验装置，或高中必修与选择性必修的相关内容（元素化合物、物质结构、反应原理、有机化学）时归本 SKILL；纯物理量计算转物理错误DNA。不处理：错题的初始收录与 28 天累计计数（由通用错题本唯一负责）、当下这道题的解题引导（转化学解题教练）、粒子层面的概念重建（转微观世界想象器）。

ClawHub Hermes автор: 小智伴学 v2.11.1 MIT-0 13 файлов тело ≈ 1 992 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Анализ корневых причин ошибок и архив ошибок по химии для учеников средней и старшей школы (обязательный и углубленный курсы).

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 308 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "grade_bands"
  • заметка frontmatter-key неизвестное поле фронтматтера "depends_on"
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1992 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 308 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a disclosed Chinese K12 chemistry learning skill that analyzes chemistry mistakes using consent-gated profile data and scoped handoff records.
LLM: benign (high) · VirusTotal: · 8 окт. 2026 г.