SKILLEMALL.ai

BC mfg-exp-distill

Навык извлечения опыта в производственной сфере. Фокусируется на передовых практиках и методологиях в области производства, управления качеством, управления цепочками поставок, бережливого производства и других производственных областях. Охватывает повышение основных компетенций в области бережливого производства, контроля качества, оптимизации цепочек поставок, управления оборудованием. Использовать, когда пользователь работает в производственной сфере, просит изучить опыт производственной отрасли, извлечь методологию производства. Основные компетенции: бережливое производство, управление качеством, управление цепочками поставок, интеллектуальное производство.

машинный переводПоказать оригиналСкрыть оригинал«制造业经验萃取Skill - 专注于生产制造、质量管理、供应链管理、精益生产等制造领域的最佳实践和方法论。涵盖精益制造、质量控制、供应链优化…»

制造业经验萃取Skill - 专注于生产制造、质量管理、供应链管理、精益生产等制造领域的最佳实践和方法论。涵盖精益制造、质量控制、供应链优化、设备管理等核心能力提升。当用户从事制造业、要求学习制造行业经验、提炼制造方法论时使用。核心能力:精益生产、质量管理、供应链管理、智能制造。

ClawHub Agent Skills автор: smxtx v1.0.0 MIT-0 3 файла тело ≈ 2 810 токенов Открыть источникclawhub.ai проанализирован 31 ч назад

Навык извлечения опыта в производственной сфере.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураПроизводствотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "auto_update"
  • заметка frontmatter-key неизвестное поле фронтматтера "update_keywords"
  • заметка frontmatter-key неизвестное поле фронтматтера "update_sources"

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 10
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2810 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • -226 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 140 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 10 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This is a manufacturing best-practices reference skill with no executable code, credential handling, or hidden high-impact behavior.
LLM: benign (high) · VirusTotal: · 16 июн. 2026 г.