SKILLEMALL.ai

BC tech-exp-distill

Навык извлечения опыта в сфере информационных технологий — фокусируется на лучших практиках и методологиях в области разработки программного обеспечения, системной архитектуры, DevOps, инженерии данных и других областях информационных технологий. Охватывает повышение ключевых компетенций, таких как гибкая разработка, проектирование архитектуры, техническое лидерство. Используется, когда пользователь занимается разработкой ИТ, требует изучения опыта в сфере технологий, извлечения технологических методологий. Ключевые компетенции: методологии разработки, архитектурные шаблоны, техническое лидерство, оптимизация эффективности.

машинный переводПоказать оригиналСкрыть оригинал«信息技术行业经验萃取Skill - 专注于软件开发、系统架构、DevOps、数据工程等信息技术领域的最佳实践和方法论。涵盖敏捷开发、架构设计…»

信息技术行业经验萃取Skill - 专注于软件开发、系统架构、DevOps、数据工程等信息技术领域的最佳实践和方法论。涵盖敏捷开发、架构设计、技术领导力等核心能力提升。当用户从事IT开发、要求学习技术行业经验、提炼技术方法论时使用。核心能力:开发方法论、架构模式、技术领导力、效能优化。

ClawHub Agent Skills автор: smxtx v1.0.0 MIT-0 3 файла тело ≈ 3 232 токенов Открыть источникclawhub.ai проанализирован 12 ч назад

Навык извлечения опыта в сфере информационных технологий — фокусируется на лучших практиках и методологиях в области разработки программного обеспечения…

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

ПроцедураDockerGitHubGitLabKubernetesРазработкаИнфраструктураОперации и проектытип 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: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3232 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
  • -223 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 143 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 35 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (10 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a Chinese-language informational skill for IT best practices, with no executable code or suspicious data access behavior found.
LLM: benign (high) · VirusTotal: · 16 июн. 2026 г.