SKILLEMALL.ai
GitHub ↗ EN Войти

DC wiki-manager

Управление LLM-скомпилированными вики в OpenCode: прием/импорт, формирование/продвижение идей, просмотр портфелей, отслеживание инвентаря/наборов данных, архивирование, компиляция/запросы/линтинг/аудит, исследования/планирование, управление сессиями, приватные адаптеры, персональные специалисты и выходные данные. Активируется, когда пользователь упоминает рабочие процессы вики, управление базами знаний, прием, прием коллекции, импорт вики, сбор, каталогизацию, кураторство, поиск всего, идею, превращение идеи в проект, портфель, бизнес-идеи, проекты, инвентарь, очередь источников, список кандидатов, список наблюдения, бэклог, набор данных, большие данные, реестр данных, манифест набора данных, компиляцию, запросы, линтинг, аудит, исследования, библиотекаря, качество сканирования, качество статьи, обзор контента, дрейф вывода, происхождение, архивирование вики, архивирование темы, восстановление вики, приватный адаптер, реестр адаптеров, фабрику навыков, контрольные точки, персонального специалиста, навык специалиста, рецензента специалиста, экспертную линзу, маршрут адаптера, доктора адаптера, запуск адаптера, чтение, просмотр или редактирование размещенного внешнего ресурса, такого как документ, захват сессии, захват контекста, восстановление, возобновление из сессии, извлеченные уроки, план реализации или использует сокращения, связанные с вики, в репозитории с путем .wiki/, ~/wiki/ или настроенным хабом.

машинный переводПоказать оригиналСкрыть оригинал«Manage LLM-compiled wikis in OpenCode: ingest/import, shape/promote Id…»

Manage LLM-compiled wikis in OpenCode: ingest/import, shape/promote Ideas, review portfolios, track inventory/datasets, archive, compile/query/lint/audit, research/plan, manage sessions, private adapters, personal specialists, and outputs. Activates when the user mentions wiki workflows, knowledge-base management, ingestion, collection ingestion, import wiki, collect, catalog, curate, find all, idea, turn idea into project, portfolio, business ideas, projects, inventory, source queue, candidate list, watch list, backlog, dataset, large data, data registry, dataset manifest, compilation, querying, linting, audit, research, librarian, scan quality, article quality, content review, output drift, provenance, archive wiki, archive topic, restore wiki, private adapter, adapter registry, skill-factory, checkpoints, personal specialist, specialist skill, specialist reviewer, expert lens, adapter route, adapter doctor, adapter run, read, review, or edit a hosted external resource such as a document, session capture, capture context, rehydrate, resume from session, lessons learned, implementation plan, or uses wiki-related shorthand in a repo with .wiki/, ~/wiki/, or a configured hub path.

Разбор skillemall

Скилл обещает управление вики-базами в OpenCode: импорт, каталогизацию, поиск по идеям, компиляцию и аудит. На деле — папка с 24 файлами, где половина ссылок ведёт в пустоту. Качество контента оценено в 37 баллов из 100, процесс — 63. Критических ошибок не найдено, но описание раздуто настолько, что непонятно, где реальный функционал, а где перечисление желаемого. Код не запускали. Ставить, если вам нужен каркас для собственной вики-системы и вы готовы чинить битые ссылки и переписывать половину логики.

nvk/llm-wiki Agent Skills автор: nvk 24 файла тело ≈ 7 128 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Управление LLM-скомпилированными вики в OpenCode: прием/импорт, формирование/продвижение идей, просмотр портфелей, отслеживание инвентаря/наборов данных…

Как процесс C 63/100 · Есть пробелы — Скилл ссылается на файлы, которых нет в архиве: path, ../category/slug.md, url

ПроцедураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
D
75/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
37
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Скилл ссылается на файлы, которых нет в архиве: path, ../category/slug.md, url
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Когда включается вес 12
70
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  3. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 24. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1199 символов, лимит 1024
  • предупреждение body-long тело SKILL.md ≈ 7128 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: path
  • предупреждение missing-ref ссылка на отсутствующий файл: ../category/slug.md
  • предупреждение missing-ref ссылка на отсутствующий файл: url
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 16, 170, 202, 228, 347): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 63/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: path, ../category/slug.md, url
  • 0Инструменты и файлы. Не хватает 3 файла(ов): path, ../category/slug.md, url
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 7128 токенов
  • 85Шаги. Шагов: 62, расплывчатых формулировок: 1
  • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
  • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (20 тегов): типизированный вызов надёжнее

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)
  • +3Длина description 1198: рекомендуется 120–800 символов
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 42 заголовков
  • +3Пошаговые инструкции: 62 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (20 из 23)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 37.