SKILLEMALL.ai

BC agency-role-match

Интеллектуальный подбор рабочего процесса из 185 AI-ролей. Активируется, когда пользователь описывает рабочую задачу и нуждается в подходящей AI-роли для ее выполнения. Триггерные слова: «рекомендация роли», «интеллектуальный подбор», «использовать рабочий процесс», «найди мне роль», «выбери роль». 5-этапный процесс: 1. Пользователь описывает задачу → 2. Рекомендуется 2-3 роли с обоснованием → 3. Пользователь подтверждает выбор → 4. Загружается SOUL.md роли → 5. Результат выводится от имени роли.

машинный переводПоказать оригиналСкрыть оригинал«从185个AI角色中智能匹配最合适角色的工作流。当用户描述工作任务、需要找合适的AI角色来完成任务时触发。触发词:「角色推荐」、「智能匹配」…»

从185个AI角色中智能匹配最合适角色的工作流。当用户描述工作任务、需要找合适的AI角色来完成任务时触发。触发词:「角色推荐」、「智能匹配」、「用工作流」、「帮我找个角色」、「选个角色」。5步流程:1.用户描述任务 → 2.推荐2-3个角色含理由 → 3.用户确认选哪个 → 4.加载角色SOUL.md → 5.以角色身份输出成果。

ClawHub Agent Skills автор: wzdongyifan-bit v1.0.0 MIT-0 2 файла тело ≈ 320 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуальный подбор рабочего процесса из 185 AI-ролей.

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: 10
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 320 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 166 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 10 пунктов
  • +4Есть примеры (1 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a low-risk Chinese role-selection workflow that reads local role definition files only after the user chooses a role.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.