SKILLEMALL.ai

AC neat

Очистка знаний в конце сессии — сверяет документацию проекта (CLAUDE.md, README, docs/) и память агента с кодом, чтобы ничего не устаревало. Запускается по сигналам этапа разработки: "sync up", "tidy up docs", "update memory", "/neat", "整理文档", "$neat" или отчетам о устаревшей документации. НЕ для не-разработческой "整理", очистки кода или вставленного текста.

машинный переводПоказать оригиналСкрыть оригинал«End-of-session knowledge cleanup — reconciles project docs (CLAUDE.md,…»

End-of-session knowledge cleanup — reconciles project docs (CLAUDE.md, README, docs/) and agent memory against the code so nothing rots. Trigger on dev-milestone cues: "sync up", "tidy up docs", "update memory", "/neat", "整理文档", "$neat", or stale-docs reports. NOT for non-dev "整理", tidying code, or pasted text.

ClawHub Agent Skills автор: VincentJiang06 v1.3.0 MIT-0 19 файлов · 1 скрипт тело ≈ 1 057 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Очистка знаний в конце сессии — сверяет документацию проекта (CLAUDE.md, README, docs/) и память агента с кодом, чтобы ничего не устаревало. Запускается по…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураРазработкаИИ и агентыТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
96
Прогон на моделях
не было
Процессный рейтинг
C
56/100
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

    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: 19. 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 56/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 13
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1057 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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

    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 312 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 13 пунктов
    • +4Справочные файлы упоминаются в инструкциях (12 из 12)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.

    Внешние проверки

    ClawHub: clean
    This skill has real persistent docs and memory editing power, but that behavior is disclosed, purpose-aligned, and guarded by confirmation rules for destructive or agent-inferred changes.
    LLM: benign (high) · VirusTotal: · 28 сент. 2026 г.