SKILLEMALL.ai

AB experience-distiller

Систематизация завершенной работы в соответствующий слой знаний OpenClaw. Используйте, когда задача, исправление, настройка, интеграция, рабочий процесс cron/отчет, повторяющаяся операция или решение о стиле вывода только что завершились, и вам нужно решить, что следует записать в ежедневные журналы, банк опыта, руководство или повторно используемый навык. Триггеры включают запросы вроде “沉淀一下”, “把这次经验记下来”, “应该写到哪里”, “提炼成经验”, “升级成 playbook/skill”, “这个经验记一下” или любое решение о маршрутизации знаний после выполнения задачи.

машинный переводПоказать оригиналСкрыть оригинал«Distill finished work into the right OpenClaw knowledge layer. Use whe…»

Distill finished work into the right OpenClaw knowledge layer. Use when a task, fix, setup, integration, cron/report workflow, repeated operation, or output-style decision has just finished and you need to decide what should be written to daily logs, the experience bank, a playbook, or a reusable skill. Triggers include requests like “沉淀一下”, “把这次经验记下来”, “应该写到哪里”, “提炼成经验”, “升级成 playbook/skill”, “这个经验记一下”, or any post-task knowledge routing decision.

ClawHub Agent Skills автор: jimmyhe v0.1.1 MIT-0 5 файлов тело ≈ 343 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Систематизация завершенной работы в соответствующий слой знаний OpenClaw.

Как процесс B 69/100 · Почти готов — слабые места: когда включается, входы и предусловия

ИнтеграцияИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Когда включается вес 12
20
Ошибки и развилки вес 10
55
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: 5. 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 69/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 32
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 343 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 452 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This instruction-only skill helps decide where to save completed-task lessons and may write knowledge files when asked, with no hidden code or network behavior found.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.