SKILLEMALL.ai
GitHub ↗ EN Войти

BD agent-effect-operations

AEO — Платформа операционной деятельности агентов. Автоматически обнаруживает дрейф производительности агентов, диагностирует первопричины, запускает цепочку инструментов AI-данных и предлагает решения по оптимизации производительности AI. Измеряет производительность агентов, атрибутирует результаты, отслеживает тенденции качества, оптимизирует затраты и контролирует SLA.

машинный переводПоказать оригиналСкрыть оригинал«AEO — Agent 效果运营平台。自动发现 Agent 效果漂移、诊断根因、运行 AI 数据闭环工具链，给出 AI 效果优化方案。Mea…»

AEO — Agent 效果运营平台。自动发现 Agent 效果漂移、诊断根因、运行 AI 数据闭环工具链，给出 AI 效果优化方案。Measure agent performance, attribute outcomes, track quality trends, optimize cost, and monitor SLAs.

ClawHub Agent Skills автор: yuchangxu v0.0.2 MIT-0 2 файла тело ≈ 7 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

AEO — Платформа операционной деятельности агентов.

Как процесс D 38/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

СправочникИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
78/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
46
Прогон на моделях
не было
Процессный рейтинг
D
38/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 38/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 7 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +4Структура: 1 заголовков, инструкции сложно сканировать
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -15Тело SKILL.md короче 300 символов: скилл почти пустой
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 168 символов: достаточно сигнала, не съедает бюджет

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 46.

Внешние проверки

ClawHub: clean
This skill is a short descriptive markdown-only package with no executable behavior or requested access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.