SKILLEMALL.ai

AC dan-koe-writer

Инструментарий методологии письма Дэна Коу. На основе модели агента OpenClaw разбирает популярный контент на «строительные блоки идей», а затем собирает из них новые статьи. Сценарии использования: (1) когда пользователь хочет разобрать популярную статью и выделить элементы письма; (2) когда пользователю нужно направление для письма или творческое вдохновение; (3) когда пользователь хочет создать полноценную статью для WeChat/Xiaohongshu/Twitter; (4) когда пользователь хочет изучить фреймворк APAG Дэна Коу, POV-письмо или систему «строительных блоков идей».

машинный переводПоказать оригиналСкрыть оригинал«Dan Koe 写作方法论工具箱。基于 OpenClaw Agent 模型,把爆款内容拆解成「创意积木」,再组装成新文章。触发场景:(1)…»

Dan Koe 写作方法论工具箱。基于 OpenClaw Agent 模型,把爆款内容拆解成「创意积木」,再组装成新文章。触发场景:(1) 用户要拆解爆款文章并提取写作要素;(2) 用户需要写作方向或创意灵感;(3) 用户要生成完整的公众号/小红书/推特文章;(4) 用户想学习 Dan Koe 的 APAG 框架、POV 写作或创意积木系统。

ClawHub Agent Skills автор: alleliu v1.0.1 MIT-0 13 файлов тело ≈ 801 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструментарий методологии письма Дэна Коу.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 801 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 172 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (6 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a disclosed writing-assistant skill that reads user-provided content or bundled writing notes to generate prompts and draft context.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.