SKILLEMALL.ai
GitHub ↗ EN Войти

AC community-guides

Создавайте, адаптируйте или пересматривайте практические руководства для сообщества с локальными мероприятиями, рабочими листами для участников, инструкциями для фасилитаторов и планами обслуживания. Используйте для подготовки района, взаимной поддержки, совместных проектов и программ обучения сообщества. Не используйте для путеводителей, рекламных брошюр, отдельных политик, простого форматирования документов или реагирования на инциденты в реальном времени.

машинный переводПоказать оригиналСкрыть оригинал«Create, adapt, or revise practical community guides with locally groun…»

Create, adapt, or revise practical community guides with locally grounded activities, participant worksheets, facilitator instructions, and maintenance plans. Use for neighborhood preparedness, mutual support, shared projects, and community learning programs. Do not use for travel guides, promotional brochures, standalone policies, simple document formatting, or live incident response.

magnus919/agent-skills Agent Skills автор: magnus919 MIT 76 файлов · 2 скрипта тело ≈ 2 803 токенов Открыть источникgithub.com↗ проанализирован 26 ч назад

Создавайте, адаптируйте или пересматривайте практические руководства для сообщества с локальными мероприятиями, рабочими листами для участников, инструкциями…

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ГенераторИнфраструктураРазработкаТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 18. 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 60/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 64Шаги. Шагов: 3, расплывчатых формулировок: 1
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2803 токенов
    • low Среди тестов нет случая на инъекцию через данные

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 2 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 388 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 3 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.