SKILLEMALL.ai

AD native-autonomous-discovery

Нативное самостоятельное обнаружение: выходит за рамки «пассивного ответа на задачи», самостоятельно выполняя замкнутый цикл исследований «гипотеза -> разработка отличительных экспериментов -> оценка доказательств -> сходимость» для открытых вопросов. При заданном пространстве поиска и наблюдателе автоматически генерирует кандидатные гипотезы, оценивает их с помощью наблюдателя, выбирает лучшие на основе накопленных доказательств, регенерирует или отсекает гипотезы с низким уровнем доказательств до тех пор, пока не будет достигнут вывод с высокой степенью достоверности. Использует только стандартные библиотеки, не требует зависимостей, может быть запущен локально (--selftest содержит примеры).

машинный переводПоказать оригиналСкрыть оригинал«原生自主发现:超越"被动接任务问答",对开放问题自主完成"假设->设计判别性实验->评估证据->收敛" 的科研闭环。给定搜索空间与观测器,自…»

原生自主发现:超越"被动接任务问答",对开放问题自主完成"假设->设计判别性实验->评估证据->收敛" 的科研闭环。给定搜索空间与观测器,自动生成候选假设、用观测器打分、按证据累加择优、对低证据 假设再生或剪枝,直到收敛到高置信结论。纯标准库、零依赖、可本地实跑(--selftest 自带样例)。

ClawHub Agent Skills автор: qq435912743 v1.0.0 MIT-0 6 файлов тело ≈ 465 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Нативное самостоятельное обнаружение: выходит за рамки «пассивного ответа на задачи», самостоятельно выполняя замкнутый цикл исследований «гипотеза ->…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИсследованияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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.
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "visibility"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 465 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 149 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
The skill’s core discovery script is local and coherent, but it also adds persistent user-memory and skill self-modification instructions that are broader than the stated purpose.
LLM: suspicious (high) · 14 авг. 2026 г.