SKILLEMALL.ai
GitHub ↗ EN Войти

BF research-harness

Когнитивная дисциплина для ИИ-ориентированных научных экспериментов. Активируется при настройке контролируемых экспериментов с LLM-агентами, разработке воспроизводимых конвейеров оценки или структурировании рабочих пространств для долгосрочного сотрудничества агентов. Предоставляет ограничения, а не рецепты — учит агентов рассуждать об экспериментах, а не какие команды выполнять.

машинный переводПоказать оригиналСкрыть оригинал«Cognitive discipline for AI-native scientific experimentation. Trigger…»

Cognitive discipline for AI-native scientific experimentation. Trigger when setting up controlled experiments with LLM agents, designing reproducible evaluation pipelines, or structuring research workspaces for long-running agent collaboration. Provides guardrails, not recipes — teaches agents how to reason about experiments, not which commands to run.

ClawHub Agent Skills автор: Julian Zhelun Sun v1.3.2 MIT-0 13 файлов тело ≈ 3 160 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Когнитивная дисциплина для ИИ-ориентированных научных экспериментов.

Как процесс F 42/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/validate_<module>.py, scripts/validate_repo_state.py

ПроцедураИИ и агентыИнфраструктуратип 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
F
42/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/validate_<module>.py, scripts/validate_repo_state.py
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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/validate_<module>.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/validate_repo_state.py
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 42/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/validate_<module>.py, scripts/validate_repo_state.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/validate_<module>.py, scripts/validate_repo_state.py
  • 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: 7, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (research-harness) не совпадает с папкой (ai-research-harness)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 58
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Стоимость исполнения. Тело инструкции 3160 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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
  • +4Нет примеров входа/выхода
  • -5В тексте остались TODO / заглушки
  • +2Инструкции на одном языке
  • +3Длина description 354 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 58 пунктов
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This is a documentation-only research workflow skill that gives agents guardrails for reproducible experiments and does not include executable code or hidden data access.
LLM: benign (high) · VirusTotal: · 2 июн. 2026 г.