SKILLEMALL.ai

AD react-loop

Решайте сложные проблемы, чередуя рассуждения с действиями. Основанный на исследовании ReAct, этот навык чередует размышления (рассуждения о ситуации) и действия (использование инструментов или выполнение шагов), а затем наблюдение за результатами для информирования о следующих шагах. Используйте для многоэтапных проблем, требующих использования инструментов, сбора информации или ситуаций, когда путь вперед становится ясным только через исследование. Критически важно для исследований, отладки, анализа данных и рабочих процессов с интенсивным использованием инструментов.

машинный переводПоказать оригиналСкрыть оригинал«Solve complex problems by interleaving reasoning with actions. Based o…»

Solve complex problems by interleaving reasoning with actions. Based on the ReAct research, this skill alternates between thinking (reasoning about the situation) and acting (using tools or taking steps), then observing results to inform next steps. Use for multi-step problems requiring tool use, information gathering, or situations where the path forward only becomes clear through exploration. Critical for research, debugging, data analysis, and tool-heavy workflows.

ClawHub Agent Skills автор: Simon v1.0.0 MIT-0 3 файла тело ≈ 4 994 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Решайте сложные проблемы, чередуя рассуждения с действиями.

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 47/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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: 2, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4994 токенов
    • 100Шаги. Шагов: 24
    • 100Согласованность. Имя и обязательные поля на месте
    • low Разделов верхнего уровня: 12. 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
    • -228 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 472 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 37 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Есть примеры (36 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only problem-solving workflow skill; it is broad but coherent and does not install code, request secrets, or add persistence.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.