SKILLEMALL.ai

CC xiaozhi-correction-notebook

Центр архивирования, анализа причин и подсчета слабых мест по всем предметам. Активируется, когда ученик говорит «Я сделал эту ошибку», «Помоги мне проанализировать причину ошибки», «Дай похожую задачу», «Что у меня в тетради ошибок?», «Помоги мне собрать ошибки по этой главе» или присылает изображение ошибки с пояснением, что она сделана неправильно — при условии, **что есть конкретная ошибка**; если ученик говорит обобщенно «Я все время ошибаюсь» или «Помоги мне обобщить», но без конкретной задачи, сначала уточните задачу, не регистрируя и не анализируя. Причины ошибок делятся на четыре типа (неясность концепции/ошибки в вычислениях/ошибки в чтении задания/неправильное применение метода) и уникально подсчитываются согласно §5 shared/vocab.md «3 раза за 28 дней по одному и тому же пункту знаний по одному и тому же типу ошибки»; детальная подтипизация по математике, физике, химии, истории, биологии, географии, китайскому языку, английскому языку выполняется соответствующими модулями «Ошибка ДНК»; оценка понимания выполняется по методу обучения Фейнмана, напоминания отправляются через IM Smart Reminder.

машинный переводПоказать оригиналСкрыть оригинал«全科错题的归档、错因定位与弱项计数中枢。学生说“我这道题做错了”“帮我分析错误原因”“出一道同类题”“我的错题本里有什么”“帮我整理本章错题…»

全科错题的归档、错因定位与弱项计数中枢。学生说“我这道题做错了”“帮我分析错误原因”“出一道同类题”“我的错题本里有什么”“帮我整理本章错题”,或发来错题图片并说明做错了时可激活——前提是**有一道具体做错的题**;泛泛说"我总出错""帮我总结一下"而没有题,先问题目,不登记、不分析。错因分四维(概念模糊/计算失误/读题失误/方法用错),并按 shared/vocab.md §5 唯一计数“28 天内同一知识点同一维度累计 3 次”。数学、物理、化学、历史、生物、地理、语文、英语的深度子类型定位不在此处,交给对应学科的错误 DNA;理解是否到位交给费曼学习法,提醒由 IM 智能提醒发送。

ClawHub Hermes автор: 小智伴学 v2.11.1 MIT-0 13 файлов тело ≈ 2 931 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Центр архивирования, анализа причин и подсчета слабых мест по всем предметам.

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 297 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: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2931 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 7 примера фраз-триггеров в кавычках
  • +3Длина description 297 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (14 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 coherent Chinese K-12 wrong-answer notebook skill with disclosed record, sharing, and reminder workflows, though its broad trigger wording should be used carefully.
LLM: benign (high) · VirusTotal: · 8 окт. 2026 г.