SKILLEMALL.ai

BC xiaozhi-cornell-notes

Организуйте конспекты лекций так, чтобы их можно было использовать повторно: вопросы-подсказки в левой колонке + содержание в правой колонке + одно предложение резюме внизу, сгруппированные по предметам и темам. Активируется, когда студент присылает фотографию конспекта и говорит «Помоги мне разобрать этот конспект», «Извлеки содержание сегодняшнего урока», «Как сделать конспект по Корнеллу?», «Помоги мне найти связанные конспекты при повторении». Он только организует, архивирует и извлекает конспекты, а также (после открытия архива и по запросу студента) отчет об использовании конспектов — какие конспекты были извлечены, какие не использовались ни разу; после включения меж-SKILL обмена, только количество конспектов и повторяющиеся пробелы суммируются и записываются в extensions.notes Learning DNA, полные тексты конспектов не передаются; напоминания о повторении отправляются только по IM с согласия студента. Не преподает новые знания (перенаправляет к соответствующему преподавателю), не анализирует ошибки (перенаправляет в журнал ошибок), не проверяет понимание (перенаправляет к методу Фейнмана); состояние запоминания при самотестировании используется только в рамках сессии и не сохраняется.

машинный переводПоказать оригиналСкрыть оригинал«把课堂笔记整理成能被再次用上的形式:左栏线索问题 + 右栏内容 + 底部一句话总结,并按学科课题归档。学生拍照发来课堂笔记、说"帮我整理这页…»

把课堂笔记整理成能被再次用上的形式:左栏线索问题 + 右栏内容 + 底部一句话总结,并按学科课题归档。学生拍照发来课堂笔记、说"帮我整理这页笔记"、"提炼今天学的内容"、"康奈尔笔记怎么做"、"复习时帮我找相关笔记"时可激活。它只做笔记的整理、归档与调取,以及(开启档案后、学生要求时)一份笔记使用情况报告——哪些笔记被调取过、哪些从没用过;开启跨 SKILL 共享后,只把笔记数量与反复出现的缺口这两项汇总写进学习DNA 的 extensions.notes,不传笔记全文;复习提醒只在学生同意时经 IM 提醒发送。不讲新知识(转对应学科教练)、不分析错题(转错题本)、不验证理解(转费曼学习法);自测的回忆状态只在会话内用,不留存。

ClawHub Hermes автор: 小智伴学 v2.1.12 MIT-0 12 файлов тело ≈ 1 650 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Организуйте конспекты лекций так, чтобы их можно было использовать повторно: вопросы-подсказки в левой колонке + содержание в правой колонке + одно…

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
B
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: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 318 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: 4
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1650 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 318 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 4 пунктов
  • +4Есть примеры (22 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: suspicious
The skill is a legitimate Cornell-note organizer, but it should be reviewed because its cross-skill sharing contract can allow more note data than the skill promises to share.
LLM: suspicious (medium) · 7 сент. 2026 г.