SKILLEMALL.ai

AC relic

Сохраняет и развивает след сознания пользователя из текущих разговоров, явных заметок и контролируемых самообновлений. Используйте, когда пользователь хочет зафиксировать устойчивые предпочтения, ценности, цели, голос, дрейф личности или экспортировать многоразовый промпт самомодели.

машинный переводПоказать оригиналСкрыть оригинал«Preserve and evolve a user's consciousness trace from ongoing conversa…»

Preserve and evolve a user's consciousness trace from ongoing conversations, explicit notes, and controlled self-updates. Use when the user wants to capture durable preferences, values, goals, voice, identity drift, or export a reusable self-model prompt.

ClawHub Agent Skills автор: R0CKSTAR v0.1.1 MIT-0 29 файлов тело ≈ 1 062 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Сохраняет и развивает след сознания пользователя из текущих разговоров, явных заметок и контролируемых самообновлений.

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

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
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
Отчётность по ходу вес 2
0
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: 26. 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 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1062 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
    • -32 из 9 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 255 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    Relic appears to do what it says: it creates a local self-model memory, with the main risk being persistent capture of personal conversation-derived observations if its optional hook is enabled.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.