SKILLEMALL.ai

BC openclaw-investigate

Систематическая структура для отладки и исследования первопричин (исследовать-анализировать-выдвигать гипотезы-проверять), которая исправляет только первопричины. Подходит для отладки ошибок, анализа аномального поведения и устранения ошибок в сервисах с проверяемыми выводами. 中文:系统化 debug 与根因调查框架(调查-分析-假设-验证),只做针对根因的修复。适用于 bug 调试、异常行为分析、服务报错排查,提供可复验结论。 日本語:調査・分析・仮説・検証の4段階で根本原因を追うデバッグフレーム。表面的修正を避け、再発防止を意識した実証可能な結論を生成。 한국어:조사/분석/가설/검증 4단계로 근본 원인을 찾는 디버그 스킬. 증상 처리에 그치지 않고 검증 가능한 결론과 재발 방지 중심의 수정 방향을 제시. Español:Framework de depuración en 4 fases (investigar, analizar, hipótesis y validar). Soluciona desde la causa raíz, ideal para bugs y fallos de comportamiento con resultados verificables.

машинный переводПоказать оригиналСкрыть оригинал«Systematic debug and root cause investigation framework (investigate-a…»

Systematic debug and root cause investigation framework (investigate-analyze-hypothesize-verify) that only fixes root causes. Suitable for bug debugging, abnormal behavior analysis, and service error troubleshooting with verifiable conclusions. 中文:系统化 debug 与根因调查框架(调查-分析-假设-验证),只做针对根因的修复。适用于 bug 调试、异常行为分析、服务报错排查,提供可复验结论。 日本語:調査・分析・仮説・検証の4段階で根本原因を追うデバッグフレーム。表面的修正を避け、再発防止を意識した実証可能な結論を生成。 한국어:조사/분석/가설/검증 4단계로 근본 원인을 찾는 디버그 스킬. 증상 처리에 그치지 않고 검증 가능한 결론과 재발 방지 중심의 수정 방향을 제시. Español:Framework de depuración en 4 fases (investigar, analizar, hipótesis y validar). Soluciona desde la causa raíz, ideal para bugs y fallos de comportamiento con resultados verificables.

ClawHub Agent Skills автор: X-RayLuan v1.0.1 MIT-0 2 файла тело ≈ 597 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Систематическая структура для отладки и исследования первопричин (исследовать-анализировать-выдвигать гипотезы-проверять), которая исправляет только…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип 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
55/100
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 55/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 27
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 597 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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 664 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (4 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a markdown-only debugging workflow that matches its stated purpose and does not add hidden code, persistence, or credential access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.