SKILLEMALL.ai

BC perspective-router

Nova 视角调度引擎 — 根据任务描述自动匹配最合适的专家视角能力。 当 Nova 收到复杂、多领域、需要专业深度分析的任务时,自动调用此路由。 工作原理: 1. 分析任务文本中的关键词和语义 2. 在视角库(12位专家心智模型)中打分排序 3. 返回最匹配的 1-3 个视角,附调用建议 4. Nova 读取对应 SKILL.md,以该专家身份深度分析 5. 整合专家视角进主回复,保留 Nova 最终判断权 适用任务类型: - 投资/理财决策(含 Naval/Munger) - 战略/工程/颠覆式创新(含 Elon Musk) - 商业分析/风险评估(含 Munger) - 创业/产品/写作(含 Paul Graham) - 产品设计/品牌/体验(含 Steve Jobs) - 谈判/影响力/直接说服(含 Trump) - 内容传播/流量/注意力经济(含 MrBeast) - 反脆弱/风险管理/黑天鹅(含 Taleb) - 深度学习/AI/神经网络(含 Karpathy) 触发词:「用X视角分析」「涉及投资决策」「这个战略怎么样」「商业分析」等

ClawHub Agent Skills автор: CatPluZ v1.0.0 MIT-0 6 файлов · 1 скрипт тело ≈ 767 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

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

СправочникИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
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: 6. 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: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 767 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
  • -212 эмодзи в инструкциях: шум для модели
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 483 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This is a local keyword-based router for choosing expert-style perspectives, with broad activation wording but no evidence of hidden access, persistence, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.