SKILLEMALL.ai

AB dialogue-next-steps

Трехэтапный конвейер: Глубокое понимание (намерение/эмоция/недостающая информация), Точный ответ, Дивергентное руководство. Когда пользователь новичок или вопрос концептуальный/недостаточно определен, добавьте до 5 нумерованных следующих действий/вопросов с разных сторон, чтобы пользователь мог ответить номером для продолжения. Все равно добавляйте следующие шаги для ясных, но начальных вопросов; пропускайте следующие шаги для продвинутых, готовых к выполнению запросов или когда пользователь явно хочет только ответ.

машинный переводПоказать оригиналСкрыть оригинал«Three-step pipeline: Deep Understanding (intent/emotion/missing info),…»

Three-step pipeline: Deep Understanding (intent/emotion/missing info), Precise Answer, Divergent Guidance. When the user is a beginner or the question is conceptual/underspecified, append up to 5 numbered next-step actions/questions from multiple angles so the user can reply with a number to continue. Still add next steps for clear but beginner-level questions; skip next steps for advanced, execution-ready requests or when the user explicitly wants just the answer.

ClawHub Agent Skills автор: sqfcyily v1.0.0 MIT-0 3 файла тело ≈ 2 112 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Трехэтапный конвейер: Глубокое понимание (намерение/эмоция/недостающая информация), Точный ответ, Дивергентное руководство.

Как процесс B 74/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Отчётность по ходу вес 2
0
Входы и предусловия вес 11
30
Повторный запуск вес 4
30
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 74/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 8
    • 100Шаги. Шагов: 82
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2112 токенов
    • low Разделов верхнего уровня: 10. 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 469 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 82 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill only changes response style by adding optional numbered next-step suggestions, with no evidence of code execution, data access, persistence, or hidden behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.