SKILLEMALL.ai

AC prompt-optimizer

Оптимизатор итераций промптов. Систематически улучшает грубый/пресный промпт до структурированного, строго ограниченного, с форматом вывода высококачественного промпта, и управляет версиями (v1/v2...) + сравнивает два промпта для выбора лучшего. Охватывает настройку роли, контекст, пошаговые инструкции, формат вывода, ограничения, примеры-заполнители, цепочку рассуждений, шаги самопроверки и т. д. Вызывается, когда пользователь просит "оптимизировать этот промпт""сделать промпт сильнее""сравнить два промпта""версионирование промптов""improve my prompt".

машинный переводПоказать оригиналСкрыть оригинал«提示词迭代优化器。把一段粗糙/平淡的 prompt 系统化升级为结构化、强约束、带输出格式的高质量 prompt,并做版本管理(v1/v2.…»

提示词迭代优化器。把一段粗糙/平淡的 prompt 系统化升级为结构化、强约束、带输出格式的高质量 prompt,并做版本管理(v1/v2...)+ 双 prompt 基准对比选优。覆盖角色设定、上下文、分步指令、输出格式、约束、示例占位、链式思考、自检步骤等增强。当用户需要"优化这段提示词""让 prompt 更强""对比两个 prompt""prompt versioning""improve my prompt"时调用。

ClawHub Agent Skills автор: qq435912743 v1.0.0 MIT-0 6 файлов тело ≈ 279 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оптимизатор итераций промптов.

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

СправочникИИ 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
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.
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 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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 279 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 5 примера фраз-триггеров в кавычках
  • +3Длина description 215 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
The prompt optimizer is mostly local and purpose-related, but it includes a persistent generic learning module that can store preferences and notes for arbitrary skill directories beyond the core prompt-optimization task.
LLM: suspicious (high) · 14 авг. 2026 г.