SKILLEMALL.ai

BC miniprogram-vibe-coding-starter

Используйте, когда пользователь не является инженером, является менеджером продукта, создателем контента, операционным специалистом или новичком в мини-программах и хочет с помощью ИИ построить, доработать, запустить или поддерживать MVP мини-программы WeChat с нуля. Применимо для: уточнения требований, определения MVP, декомпозиции структуры страниц и данных, итеративной разработки, приемки функций, выбора между облачными разработками, подготовки к распространению и проверке, проверки перед запуском, итераций на основе отзывов пользователей, а также преобразования нечетких продуктовых идей в выполнимые задачи по разработке мини-программ. Не используйте для обычных веб-проектов, чисто серверных или не связанных с мини-программами проектов, если пользователь явно не хочет использовать эту методологию Vibe Coding.

машинный переводПоказать оригиналСкрыть оригинал«当用户是非工程师、产品经理、创作者、运营或小程序新手,想用 AI 辅助从 0 到 1 搭建、迭代、上线或维护微信小程序 MVP 时使用本技能…»

当用户是非工程师、产品经理、创作者、运营或小程序新手,想用 AI 辅助从 0 到 1 搭建、迭代、上线或维护微信小程序 MVP 时使用本技能。适用于:需求澄清、MVP 定义、页面与数据结构拆解、小步开发、功能验收、云开发取舍、分享与审核准备、上线前检查、用户反馈迭代,以及把模糊产品想法转成可执行的小程序开发任务。不要用于与微信小程序无关的普通 Web、纯后端或非小程序项目,除非用户明确要借用这套 Vibe Coding 方法论。

ClawHub Agent Skills автор: allin-zhang v0.1.0 MIT-0 2 файла тело ≈ 1 503 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте, когда пользователь не является инженером, является менеджером продукта, создателем контента, операционным специалистом или новичком в…

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

СправочникРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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: 2. 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: 49
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1503 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 18. 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 216 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (27 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This is a plain guidance skill for planning and building WeChat mini-program MVPs, with no hidden execution or privileged behavior found.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.