SKILLEMALL.ai
GitHub ↗ EN Войти

BB prompt-architect

Преобразуйте сырые идеи в профессиональные LLM-промпты. Анализирует текст, изображения, ссылки и документы для создания оптимизированных промптов с использованием проверенных фреймворков (CoT, Few-Shot, Persona и т. д.). ИСПОЛЬЗОВАТЬ КОГДА: пользователь хочет улучшить промпт, создать промпт с нуля, оптимизировать существующий промпт, преобразовать расплывчатую идею в структурированный промпт, проанализировать, почему промпт не работает, или спрашивает «напиши мне промпт для...», «улучши этот промпт», «сделай промпт-инжиниринг этого». НЕ ИСПОЛЬЗОВАТЬ КОГДА: пользователь хочет выполнить сам промпт (просто запустить его), хочет общей помощи в написании без контекста промпта, просит код/статьи/твиты (используйте соответствующий навык вместо этого) или хочет пообщаться о теории промпт-инжиниринга без создания промпта. КРАЙНИЕ СЛУЧАИ: - «Исправь этот промпт» → этот навык (оптимизация) - «Напиши мне пост в блоге» → НЕ этот навык (создание контента, а не создание промпта) - «Напиши мне промпт, который генерирует посты в блоге» → этот навык - «Почему мой промпт не работает?» → этот навык (диагностика + исправление) - «اكتب لي برومبت» → этот навык - «حسن هالبرومبت» → этот навык - «اكتب لي مقال» → НЕ этот навык (используйте katib-al-maqalat) ВХОДНЫЕ ДАННЫЕ: Сырая идея, существующий промпт, изображения, ссылки, документы или любая комбинация. ВЫХОДНЫЕ ДАННЫЕ: Оптимизированный промпт в блоке кода, готовый к копированию. УСПЕХ: Промпт ясен, структурирован, использует соответствующий фреймворк и достигает цели пользователя.

машинный переводПоказать оригиналСкрыть оригинал«Transform rough ideas into professional-grade LLM prompts. Analyzes te…»

Transform rough ideas into professional-grade LLM prompts. Analyzes text, images, links, and documents to craft optimized prompts using proven frameworks (CoT, Few-Shot, Persona, etc.). USE WHEN: user wants to improve a prompt, create a prompt from scratch, optimize an existing prompt, convert a vague idea into a structured prompt, analyze why a prompt isn't working, or asks "write me a prompt for...", "improve this prompt", "prompt engineer this". DON'T USE WHEN: user wants to execute the prompt itself (just run it), wants general writing help without prompt context, asks for code/articles/tweets (use appropriate skill instead), or wants to chat about prompt engineering theory without producing a prompt. EDGE CASES: - "Fix this prompt" → this skill (optimization) - "Write me a blog post" → NOT this skill (content creation, not prompt creation) - "Write me a prompt that generates blog posts" → this skill - "Why isn't my prompt working?" → this skill (diagnosis + fix) - "اكتب لي برومبت" → this skill - "حسن هالبرومبت" → this skill - "اكتب لي مقال" → NOT this skill (use katib-al-maqalat) INPUTS: Rough idea, existing prompt, images, links, documents, or any combination. OUTPUTS: Optimized prompt in a code block, ready to copy. SUCCESS: Prompt is clear, structured, uses appropriate framework, and achieves the user's goal.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 4 файла тело ≈ 890 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Преобразуйте сырые идеи в профессиональные LLM-промпты.

Как процесс B 69/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ГенераторИИ 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1339 символов, лимит 1024

Процессный рейтинг: все десять параметров 69/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 85Шаги. Шагов: 27, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 890 токенов
  • 100Повторный запуск. Изменяющих операций нет

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

  • +3Длина description 1338: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 10 примера фраз-триггеров в кавычках
  • +4Описание говорит, когда скилл НЕ применять
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.