SKILLEMALL.ai

AB procedural-distiller

Преобразуйте успешные многошаговые сессии OpenClaw в повторно используемые изученные навыки перед компактированием. Используйте, когда задача включала множество вызовов инструментов, настройку среды, отладку, редактирование файлов, исследование браузера или когда пользователь просит запомнить рабочий процесс, например «记下这个流程» или «这招很有用».

машинный переводПоказать оригиналСкрыть оригинал«Distill successful multi-step OpenClaw sessions into reusable learned…»

Distill successful multi-step OpenClaw sessions into reusable learned skills before compaction. Use when a task involved many tool calls, environment setup, debugging, file edits, browser research, or when the user asks to remember a workflow such as "记下这个流程" or "这招很有用".

ClawHub Agent Skills автор: 曹广雨 v1.0.0 MIT-0 5 файлов тело ≈ 650 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Преобразуйте успешные многошаговые сессии OpenClaw в повторно используемые изученные навыки перед компактированием.

Как процесс B 74/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ГенераторРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
74/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
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: 5. 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 74/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 650 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 271 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    This skill is purpose-built to turn past session traces into persistent reusable skills, but it can save sensitive commands, code snippets, and paths without a clear user approval or redaction step.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.