SKILLEMALL.ai

AC team-tasks

Координация конвейеров разработки с участием нескольких агентов с использованием общих файлов задач JSON. Используйте при распределении работы между агентами команды разработчиков (агент кода, агент тестирования, агент документации, мониторинговый бот), отслеживании прогресса конвейера или выполнении последовательных/параллельных рабочих процессов. Охватывает инициализацию проекта, назначение задач, отслеживание состояния, отправку агентов через sessions_send и сбор результатов. Поддерживает два режима: линейный (последовательный конвейер) и DAG (граф зависимостей с параллельным выполнением).

машинный переводПоказать оригиналСкрыть оригинал«Coordinate multi-agent development pipelines using shared JSON task fi…»

Coordinate multi-agent development pipelines using shared JSON task files. Use when dispatching work across dev team agents (code-agent, test-agent, docs-agent, monitor-bot), tracking pipeline progress, or running sequential/parallel workflows. Covers project init, task assignment, status tracking, agent dispatch via sessions_send, and result collection. Supports two modes: linear (sequential pipeline) and dag (dependency graph with parallel execution).

ClawHub Agent Skills автор: ZDP1117 v1.0.0 MIT-0 7 файлов тело ≈ 2 798 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Координация конвейеров разработки с участием нескольких агентов с использованием общих файлов задач JSON.

Как процесс C 51/100 · 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
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 7. 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 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (team-tasks) не совпадает с папкой (team-tasks-skip)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 24
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 2798 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (11 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
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 457 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Есть примеры (18 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

    Внешние проверки

    ClawHub: suspicious
    The skill is a coherent local task coordinator, but it tells agents to send project context and results to hardcoded Telegram-backed destinations without clear user-controlled scoping or privacy safeguards.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.