SKILLEMALL.ai

AC agent-prompt-patterns

Проверенные на практике шаблоны промптов для производственных AI-агентов. Охватывает дизайн, ориентированный на потребителя, тест на удаление, каскадную валидацию, уровни консультативного режима, принудительное применение доказательства работы, протокол сердцебиения, обнаружение противоречий, протокол WAL, лестницу эскалации правил и шаблоны перекрестной проверки. Используйте при проектировании поведения агента, обеспечении надежности или создании руководств по эксплуатации агента.

машинный переводПоказать оригиналСкрыть оригинал«Battle-tested prompt patterns for production AI agents. Covers consume…»

Battle-tested prompt patterns for production AI agents. Covers consumer-first design, deletion test, cascading validation, advisory mode tiers, proof-of-work enforcement, heartbeat protocol, contradiction detection, WAL protocol, rule escalation ladder, and cross-validation patterns. Use when designing agent behavior, enforcing reliability, or building agent operating manuals.

ClawHub Agent Skills автор: samledger67-dotcom v98.0.1 MIT-0 2 файла тело ≈ 6 658 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проверенные на практике шаблоны промптов для производственных AI-агентов.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6658 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 54/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (git), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 6658 токенов
  • 100Шаги. Шагов: 34
  • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 14. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +3Длина description 379 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 48 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (25 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This is a markdown-only reference skill for designing safer AI-agent operating rules, with no hidden code or automatic actions.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.