SKILLEMALL.ai

AD distill-skill-builder

Конвейер создания навыков типа «знания и навыки». Полная методология преобразования официальной документации в структурированные знания и навыки — от анализа источника, сбора/извлечения, структурирования контента, оценки до достижения уровня А. Срабатывает, когда пользователь просит создать навык, извлечь знания и навыки, упорядочить навыки, повысить качество навыков, оценить балл навыка.

машинный переводПоказать оригиналСкрыть оригинал«知识技能型 Skill 创建流水线。将官方文档蒸馏为结构化知识技能的完整方法论——从源分析、爬取/蒸馏、内容结构化、评估打分到 A 级达成。…»

知识技能型 Skill 创建流水线。将官方文档蒸馏为结构化知识技能的完整方法论——从源分析、爬取/蒸馏、内容结构化、评估打分到 A 级达成。当用户要求创建 skill、蒸馏知识技能、整理 skill、提升 skill 质量、评估 skill 分数时触发。

ClawHub Agent Skills автор: yhongm v1.0.2 MIT-0 13 файлов тело ≈ 4 617 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Конвейер создания навыков типа «знания и навыки».

Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
44/100
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: 13. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "trigger"
  • заметка frontmatter-key неизвестное поле фронтматтера "hermes"

Процессный рейтинг: все десять параметров 44/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 4617 токенов
  • 100Шаги. Шагов: 20
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 27. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (24 тегов): типизированный вызов надёжнее

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 127 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 83 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (51 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
The skill is mostly a skill-building guide, but it includes persistent cross-agent deployment steps and advice to modify its evaluator, so users should review it before installing.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.