SKILLEMALL.ai

AC search-corpus

Отвечает на вопрос «о чем я уже думал по поводу X?», ища в корпусе substacker (заготовки, черновики, опубликованные) заготовки, соответствующие теме, ключевому слову, аналогии или автору. Возвращает ранжированный список заготовок с id, заголовком, статусом, оценкой плотности и однострочным отрывком. Используйте, когда другому агенту (Intuition Builder, Editor) требуется предварительное обдумывание перед созданием нового материала, или когда писатель спрашивает «писал ли я о X». Ключевые слова: поиск, найти, что я, уже думал, предыдущая работа, прецедент, писал ли я о.

машинный переводПоказать оригиналСкрыть оригинал«Answers "what have I already thought about X?" by searching the substa…»

Answers "what have I already thought about X?" by searching the substacker corpus (seeds, drafts, published) for seeds matching a topic, keyword, analogy, or author. Returns a ranked list of seeds with id, title, status, density score, and a one-line excerpt. Use when another agent (Intuition Builder, Editor) needs prior thinking before generating new material, or when the writer asks "have I written about X." Trigger keywords — search, find, what have I, already thought, prior work, precedent, have I written about.

lyndonkl/claude Agent Skills автор: lyndonkl 1 файл тело ≈ 693 токенов Открыть источникgithub.com↗ проанализирован 16 ч назад

Отвечает на вопрос «о чем я уже думал по поводу X?», ища в корпусе substacker (заготовки, черновики, опубликованные) заготовки, соответствующие теме…

Как процесс C 64/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

ПроцедураИИ и агентытип 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
64/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 1. 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 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 693 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 521 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)

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