AC council-builder
Создает персонализированную команду ИИ-агентов для OpenClaw. Проводит собеседование с пользователем, анализирует его рабочий процесс, затем создает специализированных агентов с различными личностями, адаптивным маршрутизацией моделей (Fast/Think/Deep/Strategic), еженедельными метриками обучения, визуальными документами архитектуры и координацией между агентами. ИСПОЛЬЗУЙТЕ КОГДА: пользователь хочет создать команду/совет агентов, создать специализированные ИИ-персоны, настроить многоагентные рабочие процессы, «создай мне команду агентов», «создай агентов для моего рабочего процесса», «настрой совет агентов», «мне нужны специализированные ИИ-помощники», «создай мне команду». НЕ ИСПОЛЬЗУЙТЕ КОГДА: пользователь хочет один навык (используйте skill-creator), хочет установить существующие навыки (используйте clawhub) или хочет общаться с существующими агентами (просто перенаправьте их).
машинный переводПоказать оригиналСкрыть оригинал«Build a personalized team of AI agent personas for OpenClaw. Interview…»
Build a personalized team of AI agent personas for OpenClaw. Interviews the user, analyzes their workflow, then creates specialized agents with distinct personalities, adaptive model routing (Fast/Think/Deep/Strategic), weekly learning metrics, visual architecture docs, and inter-agent coordination. USE WHEN: user wants to create an agent team/council, build specialized AI personas, set up multi-agent workflows, 'build me a team of agents', 'create agents for my workflow', 'set up an agent council', 'I want specialized AI assistants', 'build me a crew'. DON'T USE WHEN: user wants a single skill (use skill-creator), wants to install existing skills (use clawhub), or wants to chat with existing agents (just route to them).
Создает персонализированную команду ИИ-агентов для OpenClaw.
Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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: 13. 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
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 85Шаги. Шагов: 68, расплывчатых формулировок: 2
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1692 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 730 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 68 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 5)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.