SKILLEMALL.ai

BC xiaozhi-math-gradient-trainer

Поэтапные упражнения по математике для средней школы: при условии, что ученик уже умеет решать задачи по определенной теме, упражнения выполняются с определением текущего уровня сложности по 5-балльной шкале, а затем последовательно усложняются. Типичные триггеры: "Я умею решать такие математические задачи, хочу попрактиковаться в более сложных", "Помоги мне составить продвинутые математические задачи", "Я постоянно спотыкаюсь на сложных задачах на экзамене по математике", "Проверь, на каком уровне я нахожусь по этой теме", "Составь для меня математический дневник роста". Не обрабатывает: непосредственное сопровождение при решении конкретной задачи (перенаправление к xiaozhi-math-problem-solving-coach), сбор и подсчет ошибок (перенаправление к xiaozhi-correction-notebook), анализ типов факторов ошибок (перенаправление к xiaozhi-math-error-dna), повторное объяснение концепций при их непонимании (перенаправление к xiaozhi-math-concept-explainer). Еженедельные напоминания о проверке отправляются через IM с помощью reminder_enqueue только с согласия ученика, данный SKILL сам не напоминает.

машинный переводПоказать оригиналСкрыть оригинал«初中数学分层进阶练习: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…»

初中数学分层进阶练习: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 v2.1.12 MIT-0 11 файлов тело ≈ 1 979 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Поэтапные упражнения по математике для средней школы: при условии, что ученик уже умеет решать задачи по определенной теме, упражнения выполняются с…

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

По спецификации Agent Skills

  • предупреждение description-long-hermes description 350 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: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1979 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 350 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (19 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 math training skill that keeps scoped learning records and reminders only with consent, with no executable code or hidden install behavior.
LLM: benign (high) · VirusTotal: · 7 сент. 2026 г.