SKILLEMALL.ai
GitHub ↗ EN Войти

BD openclaw-teaching

Навык обучения знаниям OpenClaw — для постоянного обновления и управления знаниями платформы OpenClaw, поддерживает экспорт контента знаний в документы PPT или Word. Сценарии использования: учебные пособия по платформе OpenClaw, руководства по разработке навыков, обмен лучшими практиками, обслуживание и обновление базы знаний.

машинный переводПоказать оригиналСкрыть оригинал«OpenClaw 知识教学技能 - 用于持续更新和管理 OpenClaw 平台知识，支持将知识内容导出为 PPT 或 Word 文档。适用场…»

OpenClaw 知识教学技能 - 用于持续更新和管理 OpenClaw 平台知识，支持将知识内容导出为 PPT 或 Word 文档。适用场景：OpenClaw 平台使用教程、技能开发指南、最佳实践分享、知识库维护与更新。

ClawHub Agent Skills автор: RoadheroGB v1.0.0 MIT-0 7 файлов тело ≈ 531 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык обучения знаниям OpenClaw — для постоянного обновления и управления знаниями платформы OpenClaw, поддерживает экспорт контента знаний в документы PPT…

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

ПроцедураИнфраструктураОбучениетип 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%
99
Качество 40%
69
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Утечка данных read-dotenv KNOWLEDGE_BASE.md:98
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 7. 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 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 (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 531 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)
  • +3Длина description 111: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +2Инструкции на одном языке
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (5 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its teaching and document-generation purpose, but it has under-disclosed local file mutation and an unsafe Python import path that should be reviewed before installation.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.