SKILLEMALL.ai
GitHub ↗ EN Войти

AC xueersi-word-story-memory

Память историй слов Xueersi: превращает английскую лексику в яркие китайские мнемоники, фонетические истории и визуальные сцены, чтобы помочь учащимся 9-х классов быстро запоминать слова и дольше их удерживать. Метод запоминания слов через истории от Xueersi — превращение слов в маленькие истории для запоминания. От Xueersi-AI.

машинный переводПоказать оригиналСкрыть оригинал«Xueersi Word Story Memory: Turn English vocabulary into vivid Chinese…»

Xueersi Word Story Memory: Turn English vocabulary into vivid Chinese mnemonics, phonetic stories, and visual scenes to help K-9 students memorize words fast and retain them longer. 学而思(Xueersi) 单词故事记忆法 — 把单词编成小故事帮助记忆。By Xueersi-AI.

ClawHub Agent Skills автор: zhouzhi-tal v1.0.0 MIT-0 2 файла тело ≈ 517 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Память историй слов Xueersi: превращает английскую лексику в яркие китайские мнемоники, фонетические истории и визуальные сцены, чтобы помочь учащимся 9-х…

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

СправочникИнфраструктуратип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 2. 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 63/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 12
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 517 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 232 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 12 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a simple educational prompt skill for Chinese mnemonic vocabulary practice and does not ask for system access, credentials, or code execution.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.