SKILLEMALL.ai

BF internalize_me

Анализирует open-source проект на соответствие базе знаний о компетенциях инженера ИИ/агентов, чтобы пользователь мог учиться на реальном коде. Используйте, когда пользователь просит "проанализировать этот проект", "帮我分析这个开源项目", "看看这个项目练什么能力", "internalize this project" или хочет превратить репозиторий в план обучения, соответствующий требованиям к работе инженера ИИ / LLM.

машинный переводПоказать оригиналСкрыть оригинал«Analyze an open-source project against an AI/Agent-engineer job-market…»

Analyze an open-source project against an AI/Agent-engineer job-market competency framework so the user can learn from real code. Use when the user asks to "analyze this project", "帮我分析这个开源项目", "看看这个项目练什么能力", "internalize this project", or wants to turn a repo into a learning plan aligned with AI Agent / LLM engineering job requirements.

ClawHub Agent Skills автор: zhaoyta v1.0.1 MIT-0 2 файла тело ≈ 2 692 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализирует open-source проект на соответствие базе знаний о компетенциях инженера ИИ/агентов, чтобы пользователь мог учиться на реальном коде.

Как процесс F 39/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: 02-xxx.md, 03-xxx.md, tasks.md

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
F
39/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: 02-xxx.md, 03-xxx.md, tasks.md
Инструменты и файлы вес 18
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. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение missing-ref ссылка на отсутствующий файл: 02-xxx.md
  • предупреждение missing-ref ссылка на отсутствующий файл: 03-xxx.md
  • предупреждение missing-ref ссылка на отсутствующий файл: tasks.md

Процессный рейтинг: все десять параметров 39/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: 02-xxx.md, 03-xxx.md, tasks.md
  • 0Инструменты и файлы. Не хватает 3 файла(ов): 02-xxx.md, 03-xxx.md, tasks.md
  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (internalize_me) не совпадает с папкой (internalize-me)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 91
  • 100Стоимость исполнения. Тело инструкции 2692 токенов
  • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели

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

  • +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
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 339 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 91 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This appears to be a documentation-focused skill whose file changes are aligned with building and reviewing repository docs.
LLM: benign (medium) · VirusTotal: · 9 июл. 2026 г.