SKILLEMALL.ai

CC xiaozhi-math-gradient-trainer

Поэтапные тренировки по математике от средней школы до старшей (включая обязательные и выборные предметы старшей школы): при условии, что вы уже умеете решать задачи по определенной теме, тренируйтесь, поднимаясь по 5 уровням сложности. Типичные запросы: "Я умею решать такие математические задачи, хочу потренироваться в более сложных", "Помоги мне с продвинутыми задачами по математике", "Я постоянно застреваю на сложных задачах на экзамене по математике", "Проверь, на каком уровне я нахожусь по этой теме", "Сгенерируй мой дневник прогресса по математике". Не обрабатывает: мгновенное объяснение конкретной задачи (перенаправление к xiaozhi-math-problem-solving-coach), сбор и статистику ошибок (перенаправление к xiaozhi-correction-notebook), анализ типов ошибок и упорных слабых мест (перенаправление к xiaozhi-math-error-dna), повторное объяснение при непонимании концепции (перенаправление к xiaozhi-math-concept-explainer). Еженедельные напоминания о тестировании отправляются через IM с помощью reminder_enqueue только с согласия ученика, сам навык не напоминает.

машинный переводПоказать оригиналСкрыть оригинал«初中到高中的数学分层进阶练习(高中覆盖必修与选择性必修):在某个知识点已经会做的前提下,按 5 层难度定位当前练习层级,再一层一层往上练。典…»

初中到高中的数学分层进阶练习(高中覆盖必修与选择性必修):在某个知识点已经会做的前提下,按 5 层难度定位当前练习层级,再一层一层往上练。典型触发:"这类数学题我会了,想练更难的""帮我出数学进阶题""数学考试总在难题上卡住""测一下我这个知识点在第几层""帮我生成数学成长日记"。不处理:一道具体题目的当场引导(转 xiaozhi-math-problem-solving-coach)、错题收录与次数统计(转 xiaozhi-correction-notebook)、错因子类型分析(转 xiaozhi-math-error-dna)、概念没建立时的重讲(转 xiaozhi-math-concept-explainer)。每周检测提醒只在学生同意时经 reminder_enqueue 交 IM 提醒,本 SKILL 不自己提醒。

ClawHub Hermes автор: 小智伴学 v2.11.1 MIT-0 14 файлов тело ≈ 2 506 токенов Открыть источникclawhub.ai↗ проанализирован 8 дн назад

Поэтапные тренировки по математике от средней школы до старшей (включая обязательные и выборные предметы старшей школы): при условии, что вы уже умеете решать…

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

По спецификации Agent Skills

  • предупреждение description-long-hermes description 368 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: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2506 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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 368 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (19 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This is a Chinese K12 math training skill with disclosed profile and reminder handoffs, consent controls, and no executable or hidden behavior found.
LLM: benign (high) · VirusTotal: · 8 окт. 2026 г.