SKILLEMALL.ai

AC learning-assistant

Комплексный помощник по изучению технологий в области компьютерных наук, ИИ, машинного обучения, обучения с подкреплением и разработки программного обеспечения. Используйте этот навык, когда пользователь хочет: (1) изучить новые технические концепции или фреймворки (CS/AI/ML/SE), (2) повторить существующие знания или подготовиться к техническому собеседованию, (3) сгенерировать план обучения, сводку знаний или карточки для запоминания, (4) проанализировать фрагменты кода или отладить понимание, (5) провести углубленное исследование технических тем.

машинный переводПоказать оригиналСкрыть оригинал«一个全面的计算机科学、AI、机器学习、强化学习和软件工程技术学习助手。 当用户想要做以下事情时使用此技能: (1) 学习新的技术概念或框架…»

一个全面的计算机科学、AI、机器学习、强化学习和软件工程技术学习助手。 当用户想要做以下事情时使用此技能: (1) 学习新的技术概念或框架 (CS/AI/ML/SE), (2) 复习现有知识或准备技术面试, (3) 生成学习计划、知识总结或抽认卡, (4) 分析代码片段或调试理解, (5) 对技术主题进行深度研究。

ClawHub Agent Skills автор: ChenChen v1.0.0 MIT-0 12 файлов тело ≈ 1 208 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Комплексный помощник по изучению технологий в области компьютерных наук, ИИ, машинного обучения, обучения с подкреплением и разработки программного обеспечения.

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

ПроцедураИнфраструктуратип 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: 12. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

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: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1208 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 158 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)

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

Внешние проверки

ClawHub: clean
This is a coherent learning-assistant skill that keeps local study/profile notes, so users should be aware of the persistence but there is no evidence of malware, exfiltration, or deceptive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.