SKILLEMALL.ai

AC gamification

Игровой навык, дизайнер игровых правил, превращает вещи в игровые механики, обратную связь по выбору и целям, создает циклы обратной связи для достижения целей, использует социальные факторы дефицита и случайности для вовлечения, выдает готовые к использованию игровые решения. 6 областей, 30 задач. Ключевые слова: геймификация, игровые механики, вовлечение, цикл обратной связи, обратная связь по выбору и целям, мета-навыковая система.

машинный переводПоказать оригиналСкрыть оригинал«游戏化技能,作为游戏规则设计器,将事物转化为游戏机制,挑战选择反馈,设计目标规则反馈循环,以意义成就授权产权社交稀缺随机驱动参与,输出可立即…»

游戏化技能,作为游戏规则设计器,将事物转化为游戏机制,挑战选择反馈,设计目标规则反馈循环,以意义成就授权产权社交稀缺随机驱动参与,输出可立即使用的游戏化方案。6域30种任务。触发词:游戏化、游戏机制、参与驱动、反馈循环、挑战选择反馈、meta-skill-system。

ClawHub Agent Skills автор: 波动几何 v1.0.0 MIT-0 11 файлов тело ≈ 416 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Игровой навык, дизайнер игровых правил, превращает вещи в игровые механики, обратную связь по выбору и целям, создает циклы обратной связи для достижения…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 14
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 416 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 135 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a text-only gamification design skill with no evidence of hidden commands, data access, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.