SKILLEMALL.ai

BD knowledge-capture

Система захвата базы знаний и адаптивного повторения. Триггерные слова: «запомни», «запиши», «добавь в базу знаний», «это стоит запомнить», «помоги мне запомнить», «стоит записать». Организует знания из диалога в структурированные заметки Markdown, записывает их в соответствующий каталог, автоматически создает вопросы для добавления в банк вопросов (question-bank.json) и обновляет файл статуса освоения (mastery-status.json) и план повторения. Поддерживает оценку ответов: после того как пользователь ответит на вопросы для повторения, этот навык оценивает ответ и обновляет статус освоения, динамически корректируя время следующего повторения.

машинный переводПоказать оригиналСкрыть оригинал«知识库捕获与自适应复习系统。触发词:「记住」「记下来」「加入知识库」「这个值得记」「帮我记住」「值得记录」。将对话中的知识点整理成结构化 M…»

知识库捕获与自适应复习系统。触发词:「记住」「记下来」「加入知识库」「这个值得记」「帮我记住」「值得记录」。将对话中的知识点整理成结构化 Markdown 笔记,写入对应分类目录,自动生成题目加入题库(question-bank.json),并更新掌握度状态文件(mastery-status.json)和复习计划。支持答题评分:用户回答复习题后,调用本 skill 评分并更新掌握度,动态调整下次复习时间。

ClawHub Agent Skills автор: Fitzwilliam Zhang v1.0.0 MIT-0 3 файла тело ≈ 854 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система захвата базы знаний и адаптивного повторения.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 3. 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")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (knowledge-capture) не совпадает с папкой (personal-knowledge-capture)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 16
  • 100Стоимость исполнения. Тело инструкции 854 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 204 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a disclosed local note-taking and spaced-review skill, with no evidence of hidden code, network access, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.