SKILLEMALL.ai
GitHub ↗ EN Войти

BC agent-failure-loop

Сквозной цикл самосовершенствования, который автоматически обнаруживает сбои агента, классифицирует их, отслеживает повторения, автоматически генерирует правила и продвигает их в AGENTS.md/CLAUDE.md. Если одна и та же ошибка повторяется три раза, правило создается автоматически.

машинный переводПоказать оригиналСкрыть оригинал«An end-to-end self-improvement loop that automatically detects agent f…»

An end-to-end self-improvement loop that automatically detects agent failures, classifies them, tracks recurrence, auto-generates rules, and promotes them to AGENTS.md/CLAUDE.md. If the same mistake repeats three times, a rule is automatically created.

ClawHub Agent Skills автор: reikys v1.0.1 MIT-0 4 файла тело ≈ 8 242 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Сквозной цикл самосовершенствования, который автоматически обнаруживает сбои агента, классифицирует их, отслеживает повторения, автоматически генерирует…

Как процесс C 58/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, стоимость исполнения

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 4. 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")
  • предупреждение body-long тело SKILL.md ≈ 8242 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 58/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8242 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (python, node), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 57
  • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 18. 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -236 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 252 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 64 заголовков
  • +3Пошаговые инструкции: 57 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (37 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
This skill is transparent about its purpose, but it can automatically turn local failure notes into persistent agent rules without a required human approval step.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.