SKILLEMALL.ai

AC fde-playbook-productizer

Этап 8 цикла доставки FDE. Превратите проверенное обучение клиента-доставки в многоразовый плейбук доставки, кандидата на продуктовую возможность или новый навык агента с явной применимостью, доказательствами, стандартными шагами и ответственностью за обслуживание. Используйте для масштабирования после POC, продуктовизации клиентского обучения, стандартизации внедрения и многоразовых активов навыков. Не рассматривайте разовый запрос клиента как универсальную функцию продукта.

машинный переводПоказать оригиналСкрыть оригинал«Stage 8 of FDE Delivery Loop. Turn validated customer-delivery learnin…»

Stage 8 of FDE Delivery Loop. Turn validated customer-delivery learning into a reusable delivery playbook, product-capability candidate, or new Agent Skill with explicit applicability, evidence, standard steps, and maintenance ownership. Use for post-POC scale, productizing customer learning, implementation standardization, and reusable Skill assets. Do not treat a one-off customer request as a universal product feature.

ClawHub Agent Skills автор: xukun0821 v1.0.0 MIT-0 15 файлов тело ≈ 1 456 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Этап 8 цикла доставки FDE.

Как процесс C 64/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки, повторный запуск

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 15. 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 64/100

    • 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: 4, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 22, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1456 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)
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +3Длина description 424 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (10 из 10)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This skill is a documentation/playbook aid for turning validated delivery lessons into reusable assets, with disclosed boundaries and no executable install or persistence behavior.
    LLM: benign (high) · VirusTotal: · 7 авг. 2026 г.