SKILLEMALL.ai

AC task-boundary-auditor

Используйте, когда пользователь просит ИИ выполнить задачи, которые могут выходить за рамки возможностей LLM, такие как контрфактическое рассуждение, формальная верификация, управление в реальном времени, физическое проектирование, этическая оценка, аудит без пропусков или экстремальное прогнозирование. Также используйте, когда задачи смешивают безопасные и небезопасные подзадачи. Триггеры: "проверить всё", "доказать", "предсказать", "спроектировать мост/систему", "что, если бы X никогда не случилось", "убедиться в отсутствии пропусков", "мониторинг в реальном времени", "юридическая/медицинская оценка".

машинный переводПоказать оригиналСкрыть оригинал«Use when a user asks the AI to perform tasks that may exceed LLM capab…»

Use when a user asks the AI to perform tasks that may exceed LLM capabilities, such as counterfactual reasoning, formal verification, real-time control, physical design, ethical judgment, zero-omission auditing, or extreme prediction. Also use when tasks mix safe and unsafe sub-tasks. Triggers: "verify all", "prove", "predict", "design a bridge/system", "what if X never happened", "ensure no omissions", "real-time monitor", "legal/medical judgment".

ClawHub Agent Skills автор: tianzhiceng297-boop v1.0.0 MIT-0 2 файла тело ≈ 2 204 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Используйте, когда пользователь просит ИИ выполнить задачи, которые могут выходить за рамки возможностей LLM, такие как контрфактическое рассуждение…

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Use when a user asks the AI to perform tasks that may exceed LLM c… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 59/100

    • 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: 2, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2204 токенов

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 453 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This skill is a markdown-only guidance skill that helps an agent recognize tasks beyond LLM capability and route them to humans or tools.
    LLM: benign (high) · VirusTotal: · 5 июн. 2026 г.