SKILLEMALL.ai

AC self-governor

Универсальный навык внутреннего саморешения LLM. На ключевых этапах определяет «какое наилучшее следующее действие на этом этапе», а затем позволяет основной цепочке продолжать выполнение. Условия срабатывания: (1) при разветвлении пути — несколько возможных вариантов без явного приоритета; (2) перед действием с высокой стоимостью — поиск/генерация/публикация и другие расходы или необратимые операции; (3) при отсутствии явного прироста в течение двух последовательных шагов — застой в прогрессе, отсутствие повышения качества вывода. Запрещено: переписывать основную задачу, выводить параллельные действия, долгосрочное планирование, становиться утверждающим органом, требовать дополнительные данные в течение двух последовательных раундов. Применимо для агентов стратегического анализа/поиска/исследований/кода/многоэтапных рабочих процессов.

машинный переводПоказать оригиналСкрыть оригинал«LLM 通用内部自裁决技能。在关键节点判断"当前这一层最优的下一步动作是什么",再让主链继续执行。触发条件:(1) 路径分叉时——多个可行方…»

LLM 通用内部自裁决技能。在关键节点判断"当前这一层最优的下一步动作是什么",再让主链继续执行。触发条件:(1) 路径分叉时——多个可行方案且无明显优先级;(2) 高代价动作前——搜索/生成/发布等消耗军费或不可逆操作;(3) 连续两步无明显增益时——进展停滞、输出质量未提升。禁止:改写主任务、输出并列动作、长篇规划、变成审批器、连续两轮要求补资料。适用于战略分析/搜索补全/研究/代码/多步工作流等agent。

ClawHub Agent Skills автор: z1one0415 v1.0.0 MIT-0 6 файлов тело ≈ 340 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Универсальный навык внутреннего саморешения LLM.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
58/100
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

  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: 6. 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 58/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 340 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 208 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This no-code decision skill is transparent, but it can steer an agent to keep going around costly or irreversible actions without requiring user confirmation.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.