SKILLEMALL.ai
GitHub ↗ EN Войти

CB agent-agent

Навык агента для agent — вызов с помощью $agent-agent

машинный переводПоказать оригиналСкрыть оригинал«Agent skill for agent - invoke with $agent-agent…»

Agent skill for agent - invoke with $agent-agent

Разбор skillemall

Скилл позволяет ИИ-агенту вызывать другого агента через $agent-agent — по сути, делегирование задач внутри системы. В файлах одна инструкция на 6270 токенов без критических ошибок и с полной безопасностью. Качество кода 71%, процесс 67% — средняя оценка, которая намекает на избыточность или нечёткие сценарии использования.

Проверки на моделях не запускались, в песочнице не тестировалось. Поддержка широкая: работает с Claude, Cursor, DeepSeek, Mistral и другими платформами. Ставить имеет смысл, если вы уже используете multi-agent архитектуру и нужна простая передача контекста между агентами без усложнений.

ruvnet/claude-flow Agent Skills автор: ruvnet MIT 1 файл тело ≈ 6 270 токенов Открыть источникgithub.com↗ проанализирован 36 ч назад

Навык агента для agent — вызов с помощью $agent-agent

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, повторный запуск

ПроцедураИИ и агентытип 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
C
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: RA-Skills

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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6270 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 67/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6270 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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 48: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 45 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (21 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.