SKILLEMALL.ai
GitHub ↗ EN Войти

AB prompt-optimizer

Итеративный оптимизатор запросов для сложных задач. Строго реализует двухэтапную итеративную оптимизацию ACON + автоматическое конструирование запросов APE. Активируется только тогда, когда пользователь явно запрашивает это, активно собирает обратную связь после оптимизации, поддерживает многораундовую итерацию до удовлетворения.

машинный переводПоказать оригиналСкрыть оригинал«Iterative prompt optimizer for complex tasks. Strictly implements ACON…»

Iterative prompt optimizer for complex tasks. Strictly implements ACON's two-stage iterative optimization + APE automatic prompt engineering. Only triggers when user explicitly requests it, actively collects feedback after optimization, supports multi-round iteration until satisfied.

ClawHub Agent Skills автор: ucsdzehualiu v1.0.0 MIT-0 2 файла тело ≈ 1 224 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Итеративный оптимизатор запросов для сложных задач.

Как процесс B 72/100 · Почти готов — слабые места: входы и предусловия, согласованность, повторный запуск

СправочникИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "usage"

    Процессный рейтинг: все десять параметров 72/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (prompt-optimizer) не совпадает с папкой (prompt-optimizer-en)
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 58
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Стоимость исполнения. Тело инструкции 1224 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • -221 эмодзи в инструкциях: шум для модели
    • +2Инструкции на одном языке
    • +3Длина description 284 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only prompt rewriting skill with no code execution, credential access, persistence, or hidden install behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.