SKILLEMALL.ai

BC xiaozhi-teach-english-speaking-designer

Дизайн мероприятий по разговорной речи на английском языке: превращает "чтение текста, заучивание диалогов" в урок разговорной речи с заданиями, контекстом и обратной связью. Триггеры: "Как провести урок разговорной речи?", "Ученик боится говорить", "Как разработать мероприятия по разговорной речи?", "Как выполнять задания с информационной асимметрией?", "Как дифференцировать задания по разговорной речи?", "Как исправлять ошибки в разговорной речи?", "Как использовать таблицу оценки разговорной речи?". Основной рабочий процесс: цель разговорной речи (беглость/точность/уместность) → подготовка входных данных → задачно-ориентированные мероприятия → практика говорения → обратная связь и исправление → запись в рабочее пространство класса. Продолжительность заданий рассчитывается исходя из количества учеников в классе и времени урока. Не обрабатывает: дизайн комплексной оценки по четырем аспектам и профилирование способностей (перенаправление к комплексному тестированию по английскому языку), подбор материалов для аудирования и тренировка методов аудирования (перенаправление к дизайну материалов для аудирования на английском языке), индивидуальные диалоги с ИИ-тренером для учеников (ответственность ученического ИИ-тренера по разговорной речи на английском языке).

машинный переводПоказать оригиналСкрыть оригинал«英语口语活动设计:把"读课文、背对话"变成有任务、有情境、有反馈的口语课。触发语:"口语课怎么上"、"学员不敢开口"、"口语活动怎么设计"、…»

英语口语活动设计:把"读课文、背对话"变成有任务、有情境、有反馈的口语课。触发语:"口语课怎么上"、"学员不敢开口"、"口语活动怎么设计"、"信息差任务怎么做"、"口语任务怎么分层"、"口语怎么纠错"、"口语评分表怎么用"。核心工作流:口语目标(流利/准确/得体)→ 输入准备 → 任务型活动 → 输出练习 → 反馈与纠正 → 写回班级工作空间。任务时长按班额与课时排。不处理:整卷四维测评的设计与能力画像(转英语综合测评)、听力材料选编与听法训练(转英语听力材料设计)、学员一对一的 AI 陪练对话(学生端英语口语陪练负责)。

ClawHub Hermes автор: 小智伴学 v2.1.12 MIT-0 16 файлов тело ≈ 3 203 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Дизайн мероприятий по разговорной речи на английском языке: превращает "чтение текста, заучивание диалогов" в урок разговорной речи с заданиями, контекстом и…

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

ПроцедураОбучениетип 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: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 264 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 "id"
  • заметка frontmatter-key неизвестное поле фронтматтера "min_platform_version"
  • заметка frontmatter-key неизвестное поле фронтматтера "max_round_limit"
  • 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: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3203 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. 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 8 примера фраз-триггеров в кавычках
  • +3Длина description 264 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 42 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (27 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a teaching aid for designing English speaking activities, with disclosed class-record writebacks and privacy controls that are mostly proportionate to that purpose.
LLM: benign (high) · VirusTotal: · 7 сент. 2026 г.