SKILLEMALL.ai

AD yotta-partner

Yuanban — универсальный протокол для совместной работы человека и ИИ (протокол сотрудничества, повышение эффективности ИИ, межсессионность, передача задач, рабочий процесс): формализует «как сделать дело с ИИ» в исполняемые блоки протокола сотрудничества (шаблон контекста: фон/цель/ограничения/приемка; сначала план, потом действие; поэтапная сдача; контрольная точка завершения; проверка и утверждение; возврат опыта). Триггеры: когда пользователь начинает сложную/долгосрочную задачу, требуется совместная работа человека и ИИ, задача часто прерывается или не может быть продолжена в следующей сессии, требуется проверка перед сдачей, хочется закрепить опыт сотрудничества. Ограничения: только общие вопросы повышения эффективности сотрудничества, не включает маркетинговые, операционные и торговые рекомендации; не заменяет уточнение намерений Yuan Yin, представление Yuan Cheng, запись Yuan Yi/Yuan Xu, закрепление опыта Yuan Xi; не гарантирует правильность вывода ИИ, ключевые выводы проверяются пользователем.

машинный переводПоказать оригиналСкрыть оригинал«元伴 —— 通用人机协作/AI协作提效协议技能(协作协议、AI提效、跨会话、任务交接、工作流):把「怎么跟 AI 把事做成」固化成可执行协作…»

元伴 —— 通用人机协作/AI协作提效协议技能(协作协议、AI提效、跨会话、任务交接、工作流):把「怎么跟 AI 把事做成」固化成可执行协作协议单元(上下文模板:背景/目标/约束/验收;先方案后动手;分步交付;收工锚点;验证复核;经验回流)。触发:用户开始复杂/长期任务、需要人机配合、任务反复中断或下个会话接不上、交付前要验证、想沉淀协作经验时。边界:只讲通用协作提效,不含营销、运营与交易类建议;不替代元引意图澄清、元呈呈现、元忆/元序记录、元习经验沉淀;不保证 AI 输出正确,关键结论由用户复核。

ClawHub Agent Skills автор: YottaMeta v0.2.0 MIT-0 13 файлов · 1 скрипт тело ≈ 1 404 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Yuanban — универсальный протокол для совместной работы человека и ИИ (протокол сотрудничества, повышение эффективности ИИ, межсессионность, передача задач…

Как процесс D 48/100 · 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
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
48/100
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")

Процессный рейтинг: все десять параметров 48/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 58
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1404 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле

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
  • +2Инструкции на одном языке
  • +3Длина description 252 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 58 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
This collaboration skill is mostly purpose-aligned, but it asks agents to keep it active across sessions and write state or memory automatically, which users should review before installing.
LLM: suspicious (high) · 6 сент. 2026 г.