SKILLEMALL.ai

BC prompt-engineer

Комплексный навык инженерии подсказок для разработчиков ИИ, создающих приложения на основе LLM. Охватывает проектирование системных подсказок, подсказки с несколькими примерами, рассуждения по цепочке мыслей, шаблоны использования инструментов, принудительное применение структурированного вывода, управление контекстом, шаблоны подсказок, фреймворки оценки, обработку многоходовых диалогов, мультимодальные подсказки, шаблоны агентов, такие как ReAct и план-и-выполнение, а также меры безопасности, включая защиту от внедрения подсказок.

машинный переводПоказать оригиналСкрыть оригинал«A comprehensive prompt engineering skill for AI developers building LL…»

A comprehensive prompt engineering skill for AI developers building LLM-powered applications. Covers system prompt design, few-shot prompting, chain-of-thought reasoning, tool-use patterns, structured output enforcement, context management, prompt templates, evaluation frameworks, multi-turn conversation handling, multimodal prompting, agent patterns such as ReAct and plan-and-execute, and safety guardrails including prompt injection defence.

ClawHub Agent Skills автор: royhk920 v1.0.3 MIT-0 5 файлов · 1 скрипт тело ≈ 10 285 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Комплексный навык инженерии подсказок для разработчиков ИИ, создающих приложения на основе LLM.

Как процесс C 61/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
61/100
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. 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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Утечка данных read-dotenv scripts/scaffold.sh:120
    Чтение файла .env (в кавычках — упоминание, а не команда)
    echo "  cp .env.example .env  # Add your API key"
    в кавычках

Ещё 1 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 10285 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 61/100

  • 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: 4, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (prompt-engineer) не совпадает с папкой (ai-prompt-engineer)
  • 40Стоимость исполнения. Тело инструкции 10285 токенов: вытесняет саму задачу из окна
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 45
  • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
  • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели

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)
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 446 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 73 заголовков
  • +3Пошаговые инструкции: 45 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (59 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a prompt-engineering reference with user-run examples that use an OpenAI API key and send evaluation prompts to OpenAI when executed.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.