SKILLEMALL.ai

AB operator-discipline

Применяет производственную поведенческую дисциплину к любой сессии ИИ-агента. Используйте при настройке нового агента, аудите существующего агента на предмет плохих привычек или при начальной настройке поведения операторского уровня. Охватывает дисциплину ответов, калибровку усилий, гигиену файлов/памяти, безопасность инструментов, обнаружение зависаний, контроль качества, протокол «адвоката дьявола» и дисциплину затрат на токены. Активируется автоматически, когда задача включает настройку агента, написание SOUL.md, проектирование системных подсказок или установку поведенческих правил.

машинный переводПоказать оригиналСкрыть оригинал«Applies production-grade behavioral discipline to any AI agent session…»

Applies production-grade behavioral discipline to any AI agent session. Use when configuring a new agent, auditing an existing agent for bad habits, or bootstrapping operator-grade behavior. Covers response discipline, effort calibration, file/memory hygiene, tool safety, stuck detection, quality gate, devil's advocate protocol, and token cost discipline. Activates automatically when the task involves agent configuration, SOUL.md authoring, system prompt design, or behavioral rule-setting.

ClawHub Agent Skills автор: CaleCorbett v1.0.0 2 файла тело ≈ 811 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Применяет производственную поведенческую дисциплину к любой сессии ИИ-агента.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 65/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 32
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 811 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 494 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only agent-behavior skill with broad but disclosed effects and no executable code or hidden data access.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.