SKILLEMALL.ai

AC knowledge-miner

Извлекайте знания из коммитов Git или реальной информации текущей сессии, связывайте разрозненные концепции в единую причинно-следственную цепочку функций и помогайте ученикам средних классов по-настоящему понять через объяснение Фейнмана и создание минимальной версии с нуля. Используется, когда пользователь просит обобщить знания коммита, изучить последние изменения, объяснить коммит, проанализировать текущую сессию, обобщить изученное или извлечь знания из предыдущего текста. При предоставлении хэша коммита анализирует указанный коммит; при явном указании текущей сессии анализирует видимые доказательства сессии; при отсутствии указания источника объединяет анализ последних трех коммитов.

машинный переводПоказать оригиналСкрыть оригинал«从 Git commit 或当前会话的真实信息中挖掘知识,把分散概念串成一条完整的功能因果链,并通过费曼讲解和从零创造最小版本帮助初中生真正…»

从 Git commit 或当前会话的真实信息中挖掘知识,把分散概念串成一条完整的功能因果链,并通过费曼讲解和从零创造最小版本帮助初中生真正理解。当用户要求总结提交知识点、学习最近修改、讲解某个 commit、复盘本次会话、总结刚才学到了什么,或从上文提炼知识时使用。提供 commit hash 时分析指定提交;明确指定当前会话时分析可见会话证据;未指定来源时合并分析最近三次提交。

ClawHub Agent Skills автор: Kk_xx v1.0.1 MIT-0 5 файлов тело ≈ 1 593 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Извлекайте знания из коммитов Git или реальной информации текущей сессии, связывайте разрозненные концепции в единую причинно-следственную цепочку функций и…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникРазработкаИнфраструктуратип 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
51/100
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: 5. 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 51/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 26, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 78
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1593 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 192 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 78 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

Внешние проверки

ClawHub: clean
This skill is a disclosed teaching helper that reads selected Git commit or visible session evidence to explain recent work, with no hidden execution, persistence, or network behavior found.
LLM: benign (high) · VirusTotal: · 1 сент. 2026 г.