SKILLEMALL.ai
EN Войти

AB persona-calibration

Создавайте, проверяйте или обновляйте персону агента OpenClaw посредством структурированного многораундового калибровочного рабочего процесса. Используйте, когда пользователь хочет создать новую личность помощника, уточнить существующую персону, настроить SOUL.md / IDENTITY.md / USER.md, сравнить измерения персоны с отраслевыми примерами или запустить обновление персоны на основе опросника для себя или другого экземпляра OpenClaw.

машинный переводПоказать оригиналСкрыть оригинал«Create, audit, or update an OpenClaw agent persona through a structure…»

Create, audit, or update an OpenClaw agent persona through a structured multi-round calibration workflow. Use when the user wants to create a new assistant personality, refine an existing persona, tune SOUL.md / IDENTITY.md / USER.md, compare persona dimensions from industry examples, or run a questionnaire-based persona update for themselves or another OpenClaw instance.

ClawHub Agent Skills автор: dengyh v1.0.0 MIT-0 5 файлов тело ≈ 1 557 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Создавайте, проверяйте или обновляйте персону агента OpenClaw посредством структурированного многораундового калибровочного рабочего процесса.

Как процесс B 72/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

АнализаторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 5. 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 72/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 77
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1557 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 374 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 77 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a transparent, instruction-only persona tuning skill that may edit persona files after review but does not include hidden code, credential use, or unsafe automation.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.