SKILLEMALL.ai
GitHub ↗ EN Войти

AD clawhub

Используйте ClawHub CLI для поиска, установки, обновления и публикации навыков агентов с clawhub.ai с расширенным кэшированием и сжатием. Используйте, когда вам нужно получать новые навыки на лету, синхронизировать установленные навыки до последней или конкретной версии, или публиковать новые/обновленные папки навыков с оптимизированной производительностью.

машинный переводПоказать оригиналСкрыть оригинал«Use the ClawHub CLI to search, install, update, and publish agent skil…»

Use the ClawHub CLI to search, install, update, and publish agent skills from clawhub.ai with advanced caching and compression. Use when you need to fetch new skills on the fly, sync installed skills to latest or a specific version, or publish new/updated skill folders with optimized performance.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 2 929 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Используйте ClawHub CLI для поиска, установки, обновления и публикации навыков агентов с clawhub.ai с расширенным кэшированием и сжатием. Используйте, когда…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, согласованность

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
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 49/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 14, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (clawhub) не совпадает с папкой (clawhub1)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 50, расплывчатых формулировок: 1
    • 100Стоимость исполнения. Тело инструкции 2929 токенов
    • low Разделов верхнего уровня: 17. 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 297 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 35 заголовков
    • +3Пошаговые инструкции: 50 пунктов
    • +4Есть примеры (19 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.