SKILLEMALL.ai
EN Войти

BD verified-capability-evolver

Расширяет Capability Evolver проверкой, откатом и управлением продвижением. Используйте, когда агент регистрирует обучение, предлагает самосовершенствование или хочет продвинуть обучение в постоянную память. Перед продвижением определите детерминированную спецификацию, проверьте фактический вывод с помощью SettlementWitness, затем PASS → продвиньте с receipt_id, FAIL → откатите и зарегистрируйте контрдоказательства, INDETERMINATE → оставьте для рассмотрения. Проверка выполняется через внешний сервис SettlementWitness. Этот навык определяет требование и рабочий процесс проверки, но не включает API-клиенты или учетные данные; интеграция выполняется средой выполнения или подключенным уровнем проверки.

машинный переводПоказать оригиналСкрыть оригинал«Extends Capability Evolver with verification, rollback, and promotion…»

Extends Capability Evolver with verification, rollback, and promotion gating. Use when an agent logs a learning, proposes a self-improvement, or wants to promote a learning to permanent memory. Before promotion, define a deterministic spec, verify actual output via SettlementWitness, then PASS → promote with receipt_id, FAIL → rollback and log counter-evidence, INDETERMINATE → hold for review." Verification is performed via an external SettlementWitness service. This skill defines the verification requirement and workflow but does not embed API clients or credentials; integration is handled by the runtime or connected verification layer.

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 16 файлов · 3 скрипта тело ≈ 5 781 токенов Открыть источникgithub.com↗ проанализирован 20 ч назад

Расширяет Capability Evolver проверкой, откатом и управлением продвижением.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubИИ 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
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: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Unexpected scalar at node end at line 2, column 413: …nce, INDETERMINATE → hold for review." Verification is performed via an extern… ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение body-long тело SKILL.md ≈ 5781 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 18, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, git, node), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5781 токенов
  • 85Шаги. Шагов: 155, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 22. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 645 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 62 заголовков
  • +3Пошаговые инструкции: 155 пунктов
  • +4Есть примеры (22 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)
  • +3Все 3 скриптов описаны в инструкциях

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