SKILLEMALL.ai

AF self-evolution

Автономный движок самосовершенствования, который учится на основе взаимодействий, выявляет закономерности и развивает поведение со временем. Используйте, когда: (1) Анализируете закономерности взаимодействия для улучшения, (2) Проводите периодическую самооценку, (3) Извлекаете повторяющиеся закономерности из рабочих процессов, (4) Оптимизируете процессы принятия решений, (5) Интегрируете обратную связь в изменения поведения. Триггеры: '自我进化', 'self-evolution', '自我改进', '学习模式', 'pattern analysis', 'optimize behavior'.

машинный переводПоказать оригиналСкрыть оригинал«Autonomous self-improvement engine that learns from interactions, iden…»

Autonomous self-improvement engine that learns from interactions, identifies patterns, and evolves behavior over time. Use when: (1) Analyzing interaction patterns for improvement, (2) Running periodic self-assessment, (3) Extracting reusable patterns from workflows, (4) Optimizing decision-making processes, (5) Integrating feedback into behavioral changes. Triggers on '自我进化', 'self-evolution', '自我改进', '学习模式', 'pattern analysis', 'optimize behavior'.

ClawHub Agent Skills автор: shenmeng v1.0.0 MIT-0 3 файла тело ≈ 2 659 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автономный движок самосовершенствования, который учится на основе взаимодействий, выявляет закономерности и развивает поведение со временем.

Как процесс F 41/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/detectors/

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
F
41/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/detectors/
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/detectors/

Процессный рейтинг: все десять параметров 41/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/detectors/
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/detectors/
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (self-evolution) не совпадает с папкой (self-evolution-engine)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 43
  • 100Стоимость исполнения. Тело инструкции 2659 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 13. 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 454 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 38 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +4Есть примеры (25 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: suspicious
This skill appears aimed at self-improvement, but it asks for broad access to memories and transcripts and can turn them into persistent agent behavior changes.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.