SKILLEMALL.ai

BC knowledge-explainer

Навык атомарного разложения знаний и профессионального объяснения. Разлагает любое знание на неделимые атомарные концепции, упорядочивает их по зависимостям, пошагово профессионально объясняет определение, формулу, вывод, количественный анализ, распространенные ошибки, а затем связывает их обратно с исходным вопросом, давая полный ответ. Применимо для: обучения предметам, систематизации понятий, подготовки к урокам, самостоятельного обучения, построения системы знаний. Триггеры: объяснить, разъяснить, разбить понятие, атомарное понятие, система знаний, анализ знаний, explain this, break down, teach, knowledge.

машинный переводПоказать оригиналСкрыть оригинал«知识点原子化拆解与专业讲解技能。将任意知识点拆解为不可再分的原子概念,按依赖关系排序, 逐个进行包含定义、公式、推导、定量分析、常见误区辨析…»

知识点原子化拆解与专业讲解技能。将任意知识点拆解为不可再分的原子概念,按依赖关系排序, 逐个进行包含定义、公式、推导、定量分析、常见误区辨析的专业讲解,最终串联回原始问题给出完整回答。 适用于:学科教学、概念梳理、备课、自学、知识体系构建。 Triggers: 讲解、解释、拆解概念、原子概念、知识体系、知识点分析、explain this、break down、teach、knowledge。

ClawHub Agent Skills автор: 波动几何 v1.0.0 MIT-0 2 файла тело ≈ 466 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык атомарного разложения знаний и профессионального объяснения.

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 2. 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: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 466 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 198 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is an instruction-only teaching skill that asks the agent to produce structured explanations and does not request files, credentials, installs, network access, or persistent privileges.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.