SKILLEMALL.ai

AB skill-net

Анализ экосистемы навыков OpenClaw — зависимости, обнаружение бесхозных навыков, оценка состояния экосистемы, анализ влияния и взаимосвязи навыков. Используйте, когда пользователь спрашивает о взаимосвязях навыков, «что зависит от X», «если я удалю Y, что сломается», о состоянии экосистемы или хочет найти навыки без триггерных условий (бесхозные).

машинный переводПоказать оригиналСкрыть оригинал«Analyze OpenClaw skill ecosystem — dependencies, orphan detection, eco…»

Analyze OpenClaw skill ecosystem — dependencies, orphan detection, ecosystem health score, impact analysis, and skill relationships. Use when the user asks about skill relationships, "what depends on X", "if I delete Y what breaks", ecosystem health, or wants to find skills without trigger conditions (orhpans).

ClawHub Agent Skills автор: 王继鹏 v3.1.0 MIT-0 9 файлов тело ≈ 1 472 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ экосистемы навыков OpenClaw — зависимости, обнаружение бесхозных навыков, оценка состояния экосистемы, анализ влияния и взаимосвязи навыков.

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 8. 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 66/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 34
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1472 токенов
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 312 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (3 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: clean
    This is a read-only OpenClaw skill-ecosystem diagnostic tool whose local scanning and report files fit its stated purpose, though users should be aware it reads installed skill instructions and saves derived reports.
    LLM: benign (medium) · VirusTotal: benign · 28 мая 2026 г.