SKILLEMALL.ai

AC deliberate-practice

Активировать, когда: пользователь говорит «Я занимаюсь этим годами, но не становлюсь лучше»; кто-то подозревает плато в навыках, несмотря на постоянные усилия; разрабатывается программа обучения для достижения высоких результатов; организация сообщает о большом количестве часов обучения, но низком переносе навыков. НЕ активировать, когда: цель — выполнение существующих навыков, а не приобретение новых (используйте deep-work вместо этого); нет идентифицируемого эталона экспертной производительности для целеполагания. Подробнее: deciqai.com/c/deliberate-practice

машинный переводПоказать оригиналСкрыть оригинал«Activate when: user says 'I've been doing this for years but I'm not g…»

Activate when: user says 'I've been doing this for years but I'm not getting better'; someone suspects a skill plateau despite continued effort; designing a learning program for a high-performance outcome; an organization reports high training hours but low skill transfer. Do NOT activate when: goal is execution of existing skills rather than acquiring new ones (use deep-work instead); there is no identifiable expert performance benchmark to target. More: deciqai.com/c/deliberate-practice

ClawHub Agent Skills автор: deciqAI v1.0.6 MIT-0 6 файлов тело ≈ 1 913 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Активировать, когда: пользователь говорит «Я занимаюсь этим годами, но не становлюсь лучше»; кто-то подозревает плато в навыках, несмотря на постоянные…

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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: 6. 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 59/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 16
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1913 токенов

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 493 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a text-only coaching skill for designing deliberate practice routines, with no executable code or hidden access behavior found.
    LLM: benign (high) · VirusTotal: · 16 июл. 2026 г.