SKILLEMALL.ai
GitHub ↗ EN Войти

AB rpg-travel

Сопоставление игровых сцен с реальными планами путешествий с помощью карт приключений в стиле RPG. Требуется python3 и CLI FlyAI с настроенными учетными данными для запроса реальных данных о рейсах/отелях/достопримечательностях.

машинный переводПоказать оригиналСкрыть оригинал«Map game scenes to real-world travel plans with RPG-style adventure ma…»

Map game scenes to real-world travel plans with RPG-style adventure maps. Requires python3 and FlyAI CLI with configured credentials to query real flight/hotel/attraction data.

ClawHub Agent Skills автор: shaokun v1.0.6 MIT-0 18 файлов · 1 скрипт тело ≈ 4 265 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Сопоставление игровых сцен с реальными планами путешествий с помощью карт приключений в стиле RPG.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия

ИнтеграцияРазработкаИнфраструктуратип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Когда включается вес 12
20
Инструменты и файлы вес 18
60
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: 18. 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 65/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python, node), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 4265 токенов
  • 100Шаги. Шагов: 41
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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)
  • -215 эмодзи в инструкциях: шум для модели
  • -36 из 7 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 176 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (12 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill coherently creates game-themed travel itineraries, but it uses FlyAI/Fliggy travel searches and saves itinerary files that may contain personal trip details.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.