SKILLEMALL.ai
GitHub ↗ EN Войти

CC create-agent

Создайте пользовательский агент (.agent.md) для конкретной задачи.

машинный переводПоказать оригиналСкрыть оригинал«Create a custom agent (.agent.md) for a specific job.…»

Create a custom agent (.agent.md) for a specific job.

Разбор skillemall

Скилл обещает создавать кастомные агенты в формате .agent.md под конкретные задачи. В папке один файл с инструкцией на 271 токен. Проверки показали: качество 65 баллов, процесс 56 баллов, безопасность 100. Критических ошибок нет, но среднего уровня проблемы есть — скилл не прогонялся на моделях и в песочнице.

Платформ поддерживает много: Claude, Cursor, Copilot, DeepSeek и другие. Описание скилла короткое, что оставляет вопросы о том, как именно он генерирует агентов и насколько хорошо справляется с нестандартными задачами. Ставить имеет смысл, если нужен базовый генератор шаблонов, но проверять результаты обязательно.

microsoft/vscode Claude Code автор: microsoft MIT 1 файл тело ≈ 271 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Создайте пользовательский агент (.agent.md) для конкретной задачи.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИИ и агентытип 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
C
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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: 1. 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 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 85Шаги. Шагов: 9, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 271 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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)
  • +3Длина description 53: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 9 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.