SKILLEMALL.ai

BD 知识卡片

Разработано 雄韬XTOCN — проводит пятимерный глубокий анализ любой концепции, генерируя карточки знаний в формате Obsidian. Активация: карточки знаний, карточки концепций, глубокое понимание, полное осмысление, понимание концепции, как сделать карточку, помоги мне проанализировать это слово, что означает этот термин, высокое познание, тревога, поток, метапознание, энтропия, принцип первой причины... Любой запрос на глубокий анализ единичной концепции/термина.

машинный переводПоказать оригиналСкрыть оригинал«雄韬XTOCN出品 — 对任意概念做五维深度解剖,生成 Obsidian 格式的知识卡片。 触发:知识卡片、概念卡片、深度了解、彻底搞懂、理…»

雄韬XTOCN出品 — 对任意概念做五维深度解剖,生成 Obsidian 格式的知识卡片。 触发:知识卡片、概念卡片、深度了解、彻底搞懂、理解一个概念、 怎么做卡片、帮我分析一下这个词、这个术语是什么意思、 高认知、焦虑、心流、元认知、熵增、第一性原理…… 任何单一概念/术语的深度解析请求。

ClawHub Agent Skills автор: xtoyun v1.0.0 MIT-0 2 файла тело ≈ 3 425 токенов Открыть источникclawhub.ai проанализирован 18 ч назад

Разработано 雄韬XTOCN — проводит пятимерный глубокий анализ любой концепции, генерируя карточки знаний в формате Obsidian.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураObsidianтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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 name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "emoji"

Процессный рейтинг: все десять параметров 46/100

  • 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: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (知识卡片) не совпадает с папкой (knowledgecards)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 80
  • 100Стоимость исполнения. Тело инструкции 3425 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
  • -213 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 146 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 80 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This is a Chinese knowledge-card writing skill with no hidden code, network behavior, credential use, or automatic high-impact actions.
LLM: benign (high) · VirusTotal: · 10 июл. 2026 г.