AB cognitive-self-training
Ежедневные когнитивные тренировки, обзор снов, повествование о сценах снов и цикл самосовершенствования для OpenClaw, Hermes, Codex, Claude Code и других ИИ-агентов. Используйте, когда пользователь хочет, чтобы бот проанализировал сегодняшнее обучение, консолидировал знания, провел интервальное повторение или активное вспоминание, связал концепции из разных областей, рассуждал с помощью дедукции в стиле Тянь-Дао, сгенерировал понятное описание процесса рассуждения в виде сна, настроил случайные стили снов, учился на исправлениях/ошибках, обновил память агента, запланировал ежедневные обзоры снов или разработал стратегию улучшения на следующем этапе.
машинный переводПоказать оригиналСкрыть оригинал«Daily cognitive training, dream review, dream-scene narration, and sel…»
Daily cognitive training, dream review, dream-scene narration, and self-improvement loop for OpenClaw, Hermes, Codex, Claude Code, and other AI agents. Use when the user wants a bot to review today's learning, consolidate knowledge, run spaced repetition or active recall, connect concepts across domains, reason with tian-dao style deduction, generate a human-readable dream description of the reasoning process, configure random dream styles, learn from corrections/errors, update agent memory, schedule daily dream reviews, or generate a next-step improvement strategy.
Ежедневные когнитивные тренировки, обзор снов, повествование о сценах снов и цикл самосовершенствования для OpenClaw, Hermes, Codex, Claude Code и других…
Как процесс B 73/100 · Почти готов — слабые места: входы и предусловия, повторный запуск
Как улучшить
- 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: 11. 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 73/100
- 30Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 79
- 100Ошибки и развилки. Развилок: 12, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2773 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
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 572 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 79 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (6 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (6 из 6)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.