SKILLEMALL.ai

BC productivity-boost

Операционная система эффективности для реальных рабочих сценариев, решающая четыре основные проблемы: тревожность из-за списка задач, сложность обслуживания идеальной системы, несоответствие энергетических уровней, игнорирование ограничений контекста. Она не стремится к идеализированной полнофункциональной системе, а начинается с минимально жизнеспособной структуры, динамически корректируется на основе энергии и контекста, восстанавливает доверие к системе посредством сортировки перегрузок и принудительного обзора. Основные возможности включают: планирование с учетом энергетических уровней (сопоставление задач с периодами высокой/средней/низкой энергии), начало с минимально жизнеспособной системы (5 файлов достаточно, расширение по мере необходимости), сортировка перегрузок (приоритетное сокращение объема, а не добавление задач), руководство по адаптации к контексту (10+ ролей, таких как СДВГ/выгорание/удаленная работа/менеджер), строгое разделение целей-проектов-задач, управление трением привычек, ритм ежедневного/еженедельного/ежемесячного обзора, отслеживание обязательств и делегирования, защита глубокой работы. Применимые сценарии: тревожность из-за слишком длинного списка задач, созданная, но не обслуживаемая система, несоответствие управления энергией и задачами, потребность в контекстно-зависимых советах (СДВГ/выгорание/удаленная работа), желание иметь устойчивую, а не рушащуюся через три дня систему эффективности. Отличия: по сравнению с идеализированными методологиями эффективности, эта система начинается с минимально жизнеспособной структуры, чтобы избежать чрезмерного проектирования, использует энергетическое сопоставление, чтобы избежать выполнения низкоценных задач при высоком уровне энергии, применяет сортировку перегрузок для приоритетного сокращения объема, предоставляет 10+ контекстных руководств для адаптации к реальным ограничениям, а ритм обзора важнее частого перепланирования. Все файлы загружаются по запросу, снижая потребление токенов. Ключевые слова для запуска: эффективность, продуктивность, управление задачами, перегрузка, выгорание, планирование, обзор, focus, productivity, burnout, ADHD

машинный переводПоказать оригиналСкрыть оригинал«面向真实工作场景的效率操作系统,直击"任务清单焦虑、完美系统难维护、能量错配、忽视情境约束"四大痛点。不追求理想化全功能系统,而是从最小可行…»

面向真实工作场景的效率操作系统,直击"任务清单焦虑、完美系统难维护、能量错配、忽视情境约束"四大痛点。不追求理想化全功能系统,而是从最小可行结构起步,基于能量与情境动态调整,通过反过载分诊和强制回顾重建系统信任。 核心能力包括能量感知规划(高/中/低能量时段匹配任务类型)、最小可行系统起步(5 文件够用,按需扩展)、反过载分诊(紧急砍范围而非加任务)、情境适配指南(ADHD/倦怠/远程/管理者等 10+ 角色)、目标-项目-任务严格分层、习惯摩擦管理、每日/每周/每月回顾节奏、承诺与委派跟踪、深度工作保护。 适用场景:任务清单过长感到焦虑、系统建了却不维护、能量管理与任务错配、需要情境化建议(ADHD/倦怠/远程)、希望可持续而非三天崩塌的效率系统。 差异化:相比理想化效率方法论,本系统从最小可行起步避免过度设计、能量感知匹配避免高能做低价值事、反过载分诊优先砍范围、10+ 情境指南适配真实约束、回顾节奏重于频繁重计划。所有文件按需加载,降低 token 消耗。 触发关键词:效率、生产力、任务管理、过载、倦怠、计划、回顾、focus、productivity、burnout、ADHD

ClawHub Agent Skills автор: 天轰穿 v1.0.0 MIT-0 2 файла тело ≈ 2 029 токенов Открыть источникclawhub.ai проанализирован 18 ч назад

Операционная система эффективности для реальных рабочих сценариев, решающая четыре основные проблемы: тревожность из-за списка задач, сложность обслуживания…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияПоддержка клиентовИИ и агентыЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 2. 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 "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"

Процессный рейтинг: все десять параметров 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 7
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2029 токенов
  • low Разделов верхнего уровня: 17. 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
  • +2Инструкции на одном языке
  • +3Длина description 503 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 39 заголовков
  • +3Пошаговые инструкции: 7 пунктов
  • +4Есть примеры (10 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
The skill is a coherent local productivity workflow, but it asks for shell execution while telling users it does not need exec, so it should be reviewed before installation.
LLM: suspicious (high) · 17 июл. 2026 г.