SKILLEMALL.ai

AB reading-retention-system

Активно запоминает и использует прочитанное — система активного чтения, которая помогает преодолеть цикл "выделил и забыл". Используйте, когда вас спросят, как запомнить прочитанное, я забываю книги сразу после прочтения, помогите мне запомнить то, что я изучаю, или как делать лучшие заметки по прочитанному. Предлагает метод активного чтения (вопросы до, вовлечение во время, воспроизведение после), легкий формат заметок, который фиксирует немногие идеи, достойные сохранения, элемент интервального повторения и способы применения прочитанного — превращая пассивное потребление в знания, которые остаются с вами.

машинный переводПоказать оригиналСкрыть оригинал«Actually remember and use what you read — an active-reading system tha…»

Actually remember and use what you read — an active-reading system that beats the highlight-and-forget cycle. Use when asked how do I remember what I read, I forget books right after finishing, help me retain what I study, or take better reading notes. Produces an active-reading method (questions before, engagement during, retrieval after), a lightweight note format that captures the few ideas worth keeping, a spaced review touch, and how to actually apply what you read — turning passive consumption into knowledge you keep.

mohitagw15856/pm-claude-skills Agent Skills автор: mohitagw15856 MIT 1 файл тело ≈ 866 токенов Открыть источникgithub.com проанализирован 2 дн назад

Активно запоминает и использует прочитанное — система активного чтения, которая помогает преодолеть цикл "выделил и забыл".

Как процесс B 70/100 · Почти готов — слабые места: когда включается, ошибки и развилки, отчётность по ходу

ПроцедураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: reading-retention-system (mohitagw15856/pm-claude-skills)

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

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 70/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 29
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 866 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 529 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.