SKILLEMALL.ai

AC multi-agent-governor

Управление любой задачей, которая использует или рассматривает несколько агентов, под-агентов, делегирование, параллельную работу или выполнение с приоритетом скорости. Используйте всякий раз, когда пользователь говорит "多派 Agent", "并行", "省时间", "不用省 token", "many agents" или просит нескольких агентов работать или проверять одновременно. Преобразуйте запрос в ограниченные параллельные потоки, направляйте механическую работу в инструменты/скрипты, выдавайте минимальные капсулы контекста, применяйте ограничения агента и QA, защищайте свежесть артефактов, правильно ожидайте длительных сессий и сообщайте о фактическом времени и использовании токенов.

машинный переводПоказать оригиналСкрыть оригинал«Govern any task that uses or considers multiple agents, subagents, del…»

Govern any task that uses or considers multiple agents, subagents, delegation, parallel work, or speed-first execution. Use whenever the user says "多派 Agent", "并行", "省时间", "不用省 token", "many agents", or asks several agents to work or review simultaneously. Convert the request into bounded parallel lanes, route mechanical work to tools/scripts, issue minimal context capsules, enforce agent and QA limits, protect artifact freshness, wait for long-running sessions correctly, and report actual time and token usage.

ClawHub Agent Skills автор: NANA v1.0.2 MIT-0 14 файлов тело ≈ 1 558 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Управление любой задачей, которая использует или рассматривает несколько агентов, под-агентов, делегирование, параллельную работу или выполнение с приоритетом…

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
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: 14. 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 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 34
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1558 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 6 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 516 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This skill provides bounded guidance and helper scripts for coordinating multi-agent work, with no evidence of hidden execution, exfiltration, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 15 июл. 2026 г.