SKILLEMALL.ai

AA self-funding-setup

Настраивает полный жизненный цикл самофинансируемого агента одной командой. Оркестрирует 5 агентов для перехода агента от нуля к самообеспечению: подготавливает кошелёк, опционально развёртывает токен с пулом V4, настраивает управление казной, регистрирует идентификатор на ERC-8004 и настраивает микроплатежи x402. Используйте, когда пользователь хочет сделать своего агента самофинансируемым, получать и управлять собственным доходом или настраивать автономные операции агента от начала до конца.

машинный переводПоказать оригиналСкрыть оригинал«Set up a complete self-funding agent lifecycle in one command. Orchest…»

Set up a complete self-funding agent lifecycle in one command. Orchestrates 5 agents to take an agent from zero to self-sustaining: provisions wallet, optionally deploys token with V4 pool, configures treasury management, registers identity on ERC-8004, and sets up x402 micropayments. Use when user wants to make their agent self-funding, earn and manage its own revenue, or configure autonomous agent operations end-to-end.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 5 043 токенов Открыть источникgithub.com проанализирован 2 дн назад

Настраивает полный жизненный цикл самофинансируемого агента одной командой.

Как процесс A 83/100 · Дойдёт до конца — слабые места: входы и предусловия, отчётность по ходу

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
A
83/100
Дойдёт до конца
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Стоимость исполнения вес 6
70
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5043 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 83/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 70Стоимость исполнения. Тело инструкции 5043 токенов
  • 85Шаги. Шагов: 24, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 425 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (15 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.