SKILLEMALL.ai

AB open-feed-recsys-lab

Просматривайте открытые репозитории рекомендаций ленты с доказательствами из исходного кода, проверками готовности артефактов и краткими обзорами архитектуры. Используйте, когда пользователь запрашивает обоснованный обзор xai-org/x-algorithm, Phoenix, Home Mixer, Thunder, Grox, конвейеров кандидатов, смешивания рекламы или публичных заявлений о рекомендательных системах.

машинный переводПоказать оригиналСкрыть оригинал«Review open feed recommendation repositories with source-backed eviden…»

Review open feed recommendation repositories with source-backed evidence, artifact-readiness checks, and cautious architecture summaries. Use when a user asks for a grounded read of xai-org/x-algorithm, Phoenix, Home Mixer, Thunder, Grox, candidate pipelines, ads blending, or public recommender-system claims.

ClawHub Agent Skills автор: Zakhar Pashkin v1.0.4 MIT-0 3 файла тело ≈ 762 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Просматривайте открытые репозитории рекомендаций ленты с доказательствами из исходного кода, проверками готовности артефактов и краткими обзорами архитектуры.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 3. 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 65/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 60Ошибки и развилки. Развилок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 25
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 762 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 310 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 25 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only review helper for public recommendation-system repositories, with clear limits against private data access and automatic code execution.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.