SKILLEMALL.ai

AC evolve-self-improving

Автоматически обнаруживает в текущем диалоге четыре типа обучающих сигналов: исправления, запросы на новые функции, пробелы в знаниях и ошибки, а также оценивает проверенные и пригодные для повторного использования факты, правила, методы и выявленные проблемы; пользователю не нужно говорить "запомни". Применимо к "нет, на самом деле должно быть.../это устарело", "можно ли еще.../хотелось бы, чтобы это могло...", "оригинальный текст или ситуация не соответствуют пониманию", "команда не нулевая, стек ошибок, неожиданный вывод, тайм-аут или сбой подключения", а также к активным запросам на запоминание, пересмотр, исправление, архивирование или удаление. Автоматическое обнаружение запускает только оценку: сохранение происходит только при явном исправлении, соответствии ожиданиям стабильной производительности, замыкании доказательной базы или при наличии已收敛 диагностики; временные запросы, предположения, необработанные ошибки и нелокализованные события не записываются, а также не происходит фонового прослушивания или самостоятельного изменения поведения.

машинный переводПоказать оригиналСкрыть оригинал«在当前对话中自动发现 corrections、feature requests、knowledge gaps 和 errors 四类学习信号…»

在当前对话中自动发现 corrections、feature requests、knowledge gaps 和 errors 四类学习信号,并评估其中已经验证、以后可复用的事实、规则、做法和踩坑;用户无需先说“记住”。适用于“不对,实际应该……/that is outdated”“还能不能……/I wish it could……”“原文或现场和理解不符”“命令非零、异常栈、意外输出、超时或连接失败”,也适用于主动要求记住、复盘、纠正、归档或删除。自动发现只启动评估:明确纠正、稳定能力期望、证据闭环或已收敛诊断满足写入条件才保存;临时诉求、猜测、原始报错和未定位事件不写,也不会后台监听或自行改变行为。

ClawHub Agent Skills автор: Aaron Sun v1.0.1 MIT-0 3 файла тело ≈ 990 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматически обнаруживает в текущем диалоге четыре типа обучающих сигналов: исправления, запросы на новые функции, пробелы в знаниях и ошибки, а также…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 3. 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 53/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 19
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 990 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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 304 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This skill stores carefully filtered local learning notes for future use, with no evidence of hidden network access, credential handling, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 20 авг. 2026 г.