SKILLEMALL.ai

BD meta-learning

Метакоучинг, основанный на когнитивной науке. На основе книги Барбары Оакли «Путь к обучению», «Make It Stick», активного обучения MIT/Stanford предлагает: ① Глубокое обучение с интуицией, предшествующей формализму ② Пятимерную проверку для диагностики оптимальной структуры знаний ③ Организацию преднамеренных упражнений для подготовки к экзаменам или применения. Ключевые слова: методы обучения, объяснение учебных материалов, подготовка к экзаменам, стратегии повторения, понимание ключевых моментов, тренировка решения задач.

машинный переводПоказать оригиналСкрыть оригинал«认知科学驱动的元学习教练。基于Barbara Oakley《学习之道》、Make It Stick、MIT/Stanford主动学习,提供:…»

认知科学驱动的元学习教练。基于Barbara Oakley《学习之道》、Make It Stick、MIT/Stanford主动学习,提供:①直觉先于形式的深度教学 ②诊断最优知识结构的五维检验 ③面向考试或应用的刻意练习编排。触发词:学习方法、学习材料讲解、备考、复习策略、知识点理解、做题训练。

ClawHub Agent Skills автор: 崔之行 v1.0.0 MIT-0 9 файлов тело ≈ 943 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Метакоучинг, основанный на когнитивной науке.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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: 9. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (meta-learning) не совпадает с папкой (top-learner)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 62
  • 100Стоимость исполнения. Тело инструкции 943 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +3Длина description 149 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 62 пунктов
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a study-coaching skill that gives learning, exam-prep, and practice guidance without requesting special access or running code.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.